一种专利分析和评价方法与流程

本发明涉及专利管理技术领域，特别是一种专利分析和评价方法。

背景技术：

随着科学技术的进步与发展，人们对知识产权的重视程度越来越高。根据2018年12月3日世界知识产权组织发布的<<2018年世界知识产权指标>>显示，我国在全球专利、商标和工业品外观设计等专利申请量上均位居第一。专利总数越多，质量就会参差不齐，大量的低质量专利反而会为社会带来许多弊端。我国现阶段知识产权事业的发展对专利质量提出了更加严格的要求，现实的需求使得专利质量评价的理论和方法成为学术界关注的热点。然而，在进行专利申请文件质量评价时，尚无统一的标准遵循，令人无所适从，也较难以达到满意的效果。完善的专利质量评价标准和方法可以在一定程度上降低质量评价时人为因素影响。因此，有必要提供一种专利申请文件质量评价方法，来保证获取较高质量的专利资源。

技术实现要素：

为解决上述专利申请文件质量分析和评价达不到满意的效果、导致专利权无法获得较好保护的技术问题，本发明提供一种专利申请文件质量评价方法，通过采用未确知聚类算法的综合评价模型分析和评价申请文件质量，以获取较高质量的专利资源。

为实现上述目的，本发明实施例提供一种专利质量分析和评价方法，采用评价专利文档的被引用次数、引用次数、同族专利数和权利要求数4个四个指标数据；并按以下步骤实施：

步骤1：输入待评价专利相关的数据集；

步骤2：利用未知聚类算法对数据集进行聚类；

步骤3：根据聚类结果进行专利评价。

优选的，所述步骤2包括以下子步骤：

步骤21：将所述步骤1输入的4个数据指标标准化。

步骤22：根据所述步骤21给出的标准化数据，给出专利数据的一种初始分类并计算出类中心。

步骤23：根据所述步骤22的这c个专利数据初始类的类中心计算得到专利数据集初始分类的均值类。

步骤24：根据所述步骤23计算的n个专利样本的未确知隶属度之后，计算出这n个专利样本对应每个特征指标所度量的确定分类。

优选的，在所述的步骤21中，数据指标标准化采用以下公式取值界定在0与1之间。

式中，xij为专利i的第j个特征指标的原始值，运算结果yij为专利i的第j个特征指标的标准化值。

优选的，在所述的步骤22中，利用以下公式给出专利数据的一种初始分类并计算出类中心。

j＝(c-1)(sum(i)-mi)/(ma-mi)

其中sum(i)为专利i的所有特征指标的标准值之和。计算出和j+1距离最近的正数k，且将专利yi分配到第k类，最终，将n个专利样本分为c类，即给出一种初始分类方式，并根据所述初始分类方式计算出各类的类中心

优选的，在所述的步骤23中，首先，根据所述步骤22给定的初始分类方式，计算出j专利特征属性对专利分类所做的分类贡献度：

其次，由上式得到的专利分类贡献度计算每个专利属性的分类权重：

根据所述专利属性的分类权重，根据下式计算出每个专利属性特征的加权距离：

最后，由上式计算得到各个专利属性的加权距离大小后，需要计算出其相应的基本隶属度：

式中，取ε＝0.01。

优选的，ε＝0.01。

优选的，在所述的步骤24中，将所述步骤23中作为样本点yi关于

γk类的点质量赋予点yi，最终，n个质点构成的质点组

的质心可按物理方法确定，即每个质点对应的隶属度向量为：

优选的，根据所述步骤24得到第一次迭代后的类中心以替代再次返回所述步骤22，继续迭代。

优选的，当计算得到的情况下，停止上述的迭代，共迭代t次，输出结果为c个类的类中心是γk的类中心。至此，对n个专利的d维特征指标空间中的样本点，在没有其它分类信息条件下，完成了聚类，得出了c个类中心的中心向量。

相较于现有技术，本发明具有以下有益效果：本发明在对专利的综合评价中，通过对数据的分析得出结果，去除了人为的干扰，能客观得反应专利质量信息，未来在专利的质量评价有广阔的应用前景。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例提供一种专利质量分析和评价方法，首先，输入目标专利数据集，随机打乱该数据集的顺序。

进一步的，在本实施例中，将输入数据指标标准化，采用以下公式取值界定在0与1之间。

式中，xij为专利i的第j个特征指标的原始值，运算结果yij为专利i的第j个特征指标的标准化值。

进一步的，在本实施例中，利用以下公式给出专利数据的一种初始分类并计算出类中心。

j＝(c-1)(sum(i)-mi)/(ma-mi)

其中sum(i)为专利i的所有特征指标的标准值之和。计算出和j+1距离最近的正数k，且将专利yi分配到第k类，最终，将n个专利样本分为c类，即给出一种初始分类方式，并根据所述初始分类方式计算出各类的类中心

进一步的，在本实施例中，计算出j专利特征属性对专利分类所做的分类贡献度：

其次，由上式得到的专利分类贡献度计算每个专利属性的分类权重：

根据所述专利属性的分类权重，根据下式计算出每个专利属性特征的加权距离：

最后，由上式计算得到各个专利属性的加权距离大小后，需要计算出其相应的基本隶属度：

式中，取ε＝0.01。

进一步的，在本实施例中，ε＝0.01。

进一步的，在本实施例中，采用作为样本点yi关于γk类的点质量赋予点yi，最终，n个质点构成的质点组的质心可按物理方法确定，即每个质点对应的隶属度向量为：

进一步的，在本实施例中，根据上式中第一次迭代后的类中心以替代再次返回给出专利数据的一种初始分类并计算出类中心的实施步骤，继续迭代计算。

进一步的，在本实施例中，当计算得到的情况下，停止上述的迭代，共迭代t次，输出结果为c个类的类中心是γk的类中心。至此，对n个专利的d维特征指标空间中的样本点，在没有其它分类信息条件下，完成了聚类，得出了c个类中心的中心向量。

进一步的，在本实施例中，利用聚类结果，给出专利质量分析和评价的结果。

当然，以上是本发明的优选实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明基本原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。