一种专利价值评价方法及评价系统

本发明涉及专利分析评价技术领域，具体涉及一种专利价值评价方法。

随着专利价值在经济社会中被广泛运用，科学、合理、具有操作性的专利价值分析和评估方法近年来受到国内外理论界和实务界的关注。专利价值评价对于无形资产评估，企业经营管理，股权交易并购，技术研发立项等活动均有着直接的影响。

现有的专利价值评估模型(如Innogra-phy、IncoPat等)在评价指标方面具有一些共性，如选取专利转让、许可、专利寿命(保护年限)等作为指标，然而这些指标对于授权早的专利有利，而对于授权晚的专利可能还未来的及转让、许可，并且专利寿命必然比早期的短，那么如果设立该指标来考量专利的价值，那么对授权晚的专利评价是不客观的。而且现有的评价指标赋予通常采用单次的层次分析法或熵权法给所有指标一次性进行权重赋予，但该方法未考虑到各指标在各维度之间的价值意义，使得最后对专利价值的评估出现偏差。

为解决现有技术问题，本发明提供一种采用较少参数，计算简单，结果准确的专利价值评价方法。

为达到上述效果，本发明提供一种专利价值评价方法，包括以下步骤：

S1：建立专利价值评价层次结构模型，所述专利价值评价层次结构模型包括 r层的指标体系，每一层指标体系均包含若干个评价指标；

S2：采用多层熵权法计算出第r层的所述评价指标的权重ωr；

S3：再采用层次分析法计算出第r层所述评价指标的权重ωi；

S4：对步骤S2获得的各项指标权重和S3获得的各项指标权通过

计算获得综合权重γi；

S5：再将计算得出的综合权重γi带入专利价值度计算公式：

计算并获得该专利的价值度：

其中，V是专利价值度，Xi是被评价的专利各个指标值，k为附加系数且k 的取值根据专利是否获得中国专利奖项。

进一步的方案是，步骤S2中所述的采用多层熵权法计算出第r层所述评价指标的权重包括以下步骤：

S20：选取r-1层的任一评价指标，该评价指标由第r层的X1，X2，…，Xn的n个评价指标共同决定，该分层的指标体系有m组数据样本，即Xi＝ {X1,X2,…,Xm}，构成指标矩阵Hr＝(Xij)m×n如下：

其中，i＝1、2……m，j＝1、2……n：

S21：求各项指标信息熵Ej；

S22：通过信息熵计算得出各项指标权重Wj，即：

S23：计算最后得分Zl，即：

S24：重复步骤S20-S23，依次完成第r-1层全部指标，得到第r-1层各个评价指标对应的第r层权重，加权求和得出第r-1层各个评价指标得评分，获得指标矩阵Hr-1；

S25：重复步骤S20，依次采用第r-1层得指标矩阵Hr-1来计算第r-2层得指标矩阵Hr-2、第r-2层得指标矩阵Hr-2来计算第r-3层指标矩阵Hr-3……第2层得指标矩阵H2计算第1层指标矩阵H1；

S26：重复步骤S21-S22，计算获得计算第1层中各个指标的权重；

S27：最后通过第r层的各个指标的权重和第1层的相对应指标权重进行相乘获得最终第r层的各个指标的权重ωr。

进一步的方案是，在步骤S20和步骤S21之间还包括步骤S200：对各指标数据进行标准化处理得到Yij，即：

进一步的方案是，在步骤S200和步骤S21之间还包括步骤S201：对标准化处理后的各项指标数据再进行线性平滑处理得到Wij，即：

Wij＝0.1+0.8*Yij。

进一步的方案是，步骤S22中所述各项指标信息熵Ej通过Wij计算得到，具体为：

其中：

如果pij＝0，则令

进一步的方案是，步骤S3中所述的采用层次分析法计算出第r层所述评价指标的权重ωi，包括以下步骤：

S30：选取r-1层的任一评价指标，该评价指标由第r层的X1，X2，…，Xn的n个评价指标共同决定，通过对第r层中的X1，X2，…，Xn各个指标两两分别进行重要性的比较得到比较矩阵Xr＝(Xij)n×n，即

其中，i＝1、2……m，j＝1、2……n：

S31：计算评价指标的权重ωi

其中i为指标项数，且

比较矩阵最大特征根为：

S32：对比较矩阵进行一致性检验；

当CR≤0.1时，则通过检验；

S33：重复步骤S30-S32，计算出第1层中各指标的权重；

S34：最后通过第r层的各个指标的权重和第1层的相对应指标权重进行相乘获得最终第r层的各个指标的权重ωi。

进一步的方案是，步骤S5中所述的附加系数k的取值范围为1-1.3，具体为：

专利未获得中国专利奖项k取值为1；

专利获得中国专利优秀奖k取值1.1：

专利获得中国专利银奖k取值为1.2；

专利获得中国专利金奖k取值为1.3。

此外，本发明还提供一种采用上述所述评价方法的评价系统，包括：

检索模块，用于根据待评估的专利对技术文件进行检索，将检索结果按所需的各个指标进行数据收集；

导入模块，用于导入指标的权重；

计算模块，用于计算待评估专利的价值度，并进行价值度排序。

本发明的有益效果：

本发明剔除专利转让、许可、专利寿命(保护年限)等指标，最后选取了九个二级指标，并通过层次分析法结合熵权法对指标赋予加权权重，减小了层次分析法的主观性对指标赋权的影响，使得评估结果更加可靠。

本发明采用了每个层级均分别独立进行权重计算，通过多次计算后进行加权处理获得各个指标的权重，克服了现有指标赋予通常采用单次的层次分析法或熵权法给所有指标一次性进行权重赋予方法未考虑到指标在各维度之间的价值意义的问题。

本发明在专利价值计算设置附加系数K，可以更加准确的筛选出高价值专利，弥补部分未选取指标带来的误差，如专利获奖情况，由于获奖专利相对较少，统计出来大部分专利的该指标为0，但是该指标对专利价值很有意义，通过研究发现设置附加系数K可以较好的弥补这一问题。

图1为本发明实施例中影响专利价值度的两层指标指标体系的结构示意图。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

本发明的一个实施例公开了一种专利价值评价方法，以全国高校已授权且处于有效状态的发明专利按申请日降序排列，选取前100件专利，获取各个专利的所需指标作为样本数据，对专利价值进行评价。样本数据指标内容如下：

本实施例的评价方法包括：

S1：指标确定

在专利价值评估中涉及到的指标类别多达上百个，通过查阅文献和审查经验，并通过和知识产权领域专家讨论，对某些指标进行剔除，如选取专利转让、许可、专利寿命(保护年限)等作为指标，然而这些指标对于授权早的专利有利，而对于授权晚的专利可能还未来的及转让、许可，并且专利寿命必然比早期的短，那么如果设立该指标来考量专利的价值，那么对授权晚的专利评价是不客观的，因而，本申请为了解决这一问题，对专利文本自身的信息重点分析研究，并通过测试和筛选，如图1所示，本实施例最后确定专利价值评价层次结构模型包括两层指标体系，其中：

第一层指标包括三个一级指标，三个一级指标分别为法律层面、技术层面和经济层面。

第二层指标包括九个二级指标，九个二级指标分别为专利保护宽度(权利要求数量)、文献页数、技术覆盖范围(IPC数量)、家族引证次数、家族被引证次数、同族专利数、发明人数、申请人数、同族国家数。

三个一级指标和九个二级指标对应关系为：

法律层面细分为专利保护宽度(权利要求数量)和文献页数两个指标；

技术层面细分为技术覆盖范围(IPC数量)、家族引证次数、家族被引证次数三个指标；

经济层面细分为同族专利数、发明人数、申请人数、同族国家数四个指标。

S2：采用多层熵权法计算评价指标权重；具体包括以下步骤：

S20：选定第1层的经济层面指标，该指标由第2层的同族专利数、发明人数、申请人数、同族国家数四个指标共同决定，该分层的指标体系有100组数据样本，即Xi＝{X1,X2,…,X100}，构成指标矩阵Hr＝(Xij)m×n如下，

其中i＝1、2……100，j＝1、2、3、4：

S21：标准化处理，对各项指标数据进行标准化处理后得Yij，且

处理后的结果如下表：

S22：对标准化处理后的各项指标数据进行线性平滑处理，得到Wij，且

Wij＝0.1+0.8*Yij

处理后的结果如下表：

S23：求各项指标信息熵Ej，其计算公式为：

其中：如果pij＝0，则令求得的结果如下表：

指标 同族专利数 同族国家数 申请人数量 发明人数量 信息熵 0.941957159 0.948800302 0.936212804 0.975167092

S24：通过信息熵计算得出各项指标权重Wj，其计算公式为：

其中，j＝1,2,…,4，计算结果如下表所示：

指标 同族专利数 同族国家数 申请人数量 发明人数量 权重 0.293349167 0.258763843 0.322381197 0.125505793

S25：计算最终得分，其计算公式为：

计算结果如下表所示：

S26：重复进行步骤S21-S24，计算得出第1层中指标的各权重。其结果如下表：

指标 经济层面 技术层面 法律层面 权重 0.404817163 0.275824436 0.319358401

S27：通过第2层的各个指标的权重和第1层的相对应指标权重进行相乘获得最终第2层的各个指标的权重ωr，其计算结果如下：

S3：根据建立的指标体系，采用层次分析法计算第2层的各个指标权重ωi；

包括以下步骤：

S30：选定第1层的经济层面指标，该指标由第2层的同族专利数、发明人数、申请人数、同族国家数共同决定，通过对第2层中的同族专利数、发明人数、申请人数、同族国家数各个指标分别进行两两重要性的比较得到比较矩阵 Xr＝(Xij)n×n，其比较矩阵结构如下；

其中i＝1、2、3、4；j＝1、2、3、4：

建立专利评价模型；建立所述的专利评价模型包括：

S31：权重计算ωi及一致性检验；

且其中i为指标项数，则

比较矩阵最大特征根为：

对比较矩阵进行一致性检验：

当CR≤0.1时，则通过检验，具体检验结果如下表所示：

S32：重复进行步骤S30-S31，计算第1层中各指标的权重，最后通过第2 层的各个指标的权重和第1层的相对应指标权重进行相乘获得最终第2层的各个指标的权重，其计算的结果如下表所示：

S4：对熵权法和层次分析法获得的各项指标权重进行综合计算，获得综合权重ri，其计算公式为：

计算的结果如下表所示：

S5：专利的价值度计算，其计算公式为：

其中V是专利价值度，Xi是被评价的专利各个指标值，k为附加系数，其数值的确定是根据专利是否获得中国专利奖项，其取值范围为1-1.3，当专利未获得奖项时k取值1；当专利获得中国专利优秀奖时k取值1.1；当专利获得中国专利银奖时k取值1.2，当专利获得中国专利金奖时k取值1.3。

通过计算样本数据中专利的价值，分别得出综合权重和层次分析法权重价值前10名专利，利用incopat(一款专利数据库)中的“合享价值度”对计算结果进行验证，“合享价值度”等级最高为10，最低为1，通过统计，本实施例选取的 100组数据样本中合享价值度为10的专利有8件，9的专利有46件，8的专利有20件，7的专利有26件；对比结果如下表所示；

通过对比可知，采用综合权重得出的前10名专利合享价值度均为9-10，并且8件合享价值度为10的专利均在前10名出现，而采用层次分析法得出的前 10名专利合享价值度均为8-10，并且7件合享价值度为10的专利均在前10名出现，有1件未出现在前10，由此可见，采用综合权重结合的方法计算专利价值与incopat中的“合享价值度”情况基本相符，比单独采用层次分析法更具有可靠性，更加精确的筛选出高价值专利。

本发明实施例还提供采用上述评价方法的评价系统，包括：

检索模块，用于根据待评估的专利对技术文件进行检索，将检索结果按所需的各个指标进行数据收集；

导入模块，用于导入指标的权重；

计算模块，用于计算待评估专利的价值度，并进行价值度排序。

本发明公开专利评价方法及评价系统剔除了专利转让、许可、专利寿命(保护年限)等指标，最后选取了九个二级指标，并通过层次分析法结合熵权法对指标赋予加权权重，减小了层次分析法的主观性对指标赋权的影响，使得评估结果更加可靠。

此外，本发明的专利评价方法及评价系统采用每个层级均分别独立进行权重计算，通过多次计算后进行加权处理获得各个指标的权重，克服了现有指标赋予通常采用单次的层次分析法或熵权法给所有指标一次性进行权重赋予方法未考虑到指标在各维度之间的价值意义的问题。

最后说明的是，以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作的均等变换和修改，都涵盖在本发明范围内。