[发明专利]一种专利诉讼风险预测方法

摘要

本发明公开了一种专利诉讼风险预测方法，该方法根据异构的专利数据(元特征、文本特征和专利引用网络)和专利诉讼案件记录，用张量分解与卷积神经网络相结合的方法得到每一个公司的作为原告的诉讼因子、作为被告的诉讼因子和每一个专利的诉讼因子，然后利用以上三种诉讼因子(都是向量表征)进行专利诉讼风险预测，相比于现有技术而言，极大的提高了预测结果的准确性。

主权项

1.一种专利诉讼风险预测方法，其特征在于，包括：获取已授权的异构形式的专利数据，爬取专利诉讼案件数据；利用卷积神经网络和网络嵌入的方法，将每一个已授权专利的异构形式的专利数据转化为综合的专利向量表征；利用专利诉讼案件数据，建立原告‑被告‑专利三阶张量，建立张量分解模型；将综合的专利向量表征与张量分解模型相结合得到混合模型；使用排序学习的方法对混合模型进行训练；利用训练得到的混合模型计算每一个公司的作为原告的诉讼因子、作为被告的诉讼因子和每一个专利的诉讼因子；利用上述三种诉讼因子进行公司之间关于某专利的诉讼风险预测。