本发明涉及专利资助管理领域，具体而言，涉及一种专利资助方法、装置、存储介质及处理器。
背景技术：
：：随着社会各界创新意识的不断提高，知识产权越来越受到重视，各地区、各个相关部门也相继提出一系列专利资助政策。在相关技术中，专利的授权资助是各级资助中都包含的项目，各地各级的资助额度也不尽相同，但均采用等额的方式进行资助，如每件5000元，无论专利价值度如何，一律按统一的定额标准进行资助，这种方法不能实现差别化资助，无法体现对高价值专利的重视和引导。针对上述的问题，目前尚未提出有效的解决方案。技术实现要素：本发明实施例提供了一种专利资助方法、装置、存储介质及处理器，以至少解决相关技术中采用单一的定额标准进行专利资助，造成的无法体现对高价值专利的重视和引导的技术问题。根据本发明实施例的一个方面，提供了一种专利资助方法，包括：获取专利资助申报对象的授权专利数据；根据至少两个评估模型，预测所述授权专利数据的多个评估分值；依据所述多个评估分值的均值结果，确定所述授权专利数据对应的资助级别；基于所述资助级别，生成所述授权专利数据的资助金。可选地，获取专利资助申报对象的授权专利数据包括：确定专利资助申报对象的申请类型，其中，所述申请类型至少包括以下之一：企业、事业单位、个人；根据专利资助申报对象的申请类型，匹配与所述申请类型对应的授权专利数据。可选地，根据至少两个评估模型，预测所述专利数据的多个评估分值包括：将所述授权专利数据分别输入至少两个评估模型，由至少两个所述评估模型输出评估分值，其中，每一个所述评估模型为使用多组训练数据，通过机器学习训练得出的，所述多组训练数据中的每组数据均包括：授权专利数据和所述授权专利数据对应的评估分值。可选地，授权专利数据包括专利内容数据，其中，所述专利内容数据包括以下至少之一：权利要求，说明书，外观专利图像。可选地，依据所述多个评估分值的均值结果，确定所述授权专利数据对应的资助级别包括：获取预设资助级别与分值区间之间的对应关系；确定所述多个评估分值的均值结果所属的分值区间；根据所述对应关系，确定所述均值结果所属的分值区间对应的预设资助级别为所述授权专利数据对应的资助级别。根据本发明实施例的另一方面，还提供了一种专利资助装置，包括：获取模块，用于获取专利资助申报对象的授权专利数据；预测模块，用于根据至少两个评估模型，预测所述授权专利数据的多个评估分值；确定模块，用于依据所述多个评估分值的均值结果，确定所述授权专利数据对应的资助级别；生成模块，用于基于所述资助级别，生成所述授权专利数据的资助金。可选地，所述预测模块包括：将所述专利数据分别输入至少两个评估模型，由至少两个所述评估模型输出评估分值，其中，每一个所述评估模型为使用多组训练数据，通过机器学习训练得出的，所述多组训练数据中的每组数据均包括：授权专利数据和所述授权专利数据对应的评估分值。可选地，所述确定模块包括：获取单元，用于获取预设资助级别与分值区间之间的对应关系；第一确定单元，用于确定所述多个评估分值的均值结果所属的分值区间；第二确定单元，用于根据所述对应关系，确定所述均值结果所属的分值区间对应的预设资助级别为所述授权专利数据对应的资助级别。根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述中任意一项所述的专利资助方法。根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的专利资助方法。在本发明实施例中，采用获取专利资助申报对象的授权专利数据；根据至少两个评估模型，预测所述授权专利数据的多个评估分值；依据所述多个评估分值的均值结果，确定所述授权专利数据对应的资助级别；基于所述资助级别，生成所述授权专利数据的资助金的方式，通过多个评估模型对专利资助申报对象的授权专利数据预测评估分值，从而确定资助级别，达到了依据不同的资助级别采用不同的资助金进行资助的目的，从而实现了对授权专利的差别化资助的技术效果，进而解决了相关技术中采用单一的定额标准进行专利资助，造成的无法体现对高价值专利的重视和引导的技术问题。附图说明此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1是根据本发明实施例的专利资助方法的流程图；图2是根据本发明优选实施例的专利资助方法的流程图；图3是根据本发明实施例的专利资助装置的结构示意图。具体实施方式为了使本
技术领域：
：的人员更好地理解本发明方案，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，显然，所描述的实施例仅仅是本发明一部分的实施例，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他实施例，都应当属于本发明保护的范围。需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本发明实施例，提供了一种专利资助方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本发明实施例的专利资助方法的流程图，如图1所示，该方法包括如下步骤：步骤s102，获取专利资助申报对象的授权专利数据；步骤s104，根据至少两个评估模型，预测授权专利数据的多个评估分值；步骤s106，依据多个评估分值的均值结果，确定授权专利数据对应的资助级别；步骤s108，基于资助级别，生成授权专利数据的资助金。通过上述步骤，可以实现通过多个评估模型对专利资助申报对象的授权专利数据预测评估分值，从而确定资助级别，达到了依据不同的资助级别采用不同的资助金进行资助的目的，从而实现了对授权专利的差别化资助的技术效果，进而解决了相关技术中采用单一的定额标准进行专利资助，造成的无法体现对高价值专利的重视和引导的技术问题。作为一种可选的实施例，在获取专利资助申报对象的授权专利数据时，可以根据专利资助申报对象得到与该申报对象相关的授权专利数据，其中，上述授权专利数据可以从专利公开文本库中获取的。需要说明的是，专利资助申报对象可以是企业、事业单位、个人等等。而且获取专利资助申报对象的授权专利数据的途径并不是唯一的，例如，既可以从其内部专门的专利管理系统中获取，还可以从专门的专利搜索网站获取，例如，中国知识产权网cnipr(chinaintellctualpropertyright，简称为cnipr)等等。在具体实施过程中，并不局限于上述所举例的方式。作为一种可选的实施例，授权专利数据可以包括：发明名称、摘要、权利要求、说明书，说明书附图，以及其他公开信息等，其中，上述其他公开信息可以包括但不限于申请号、申请日、申请人以及地址，发明人、申请公布号、申请公布日等等。另外，上述授权专利数据还可以分为文字数据和图像数据。作为一种可选的实施例，为了确保授权专利数据评估分值的准确性，进而为专利差别化资助提供有效的判断依据。在优选的实施方式中，需要采用多个评估模型，实现预测授权专利数据的多个评估分值。其中，多个评估模型可以采用不同的算法设计，也可以根据需要设置不同专利数据的权重等。作为一种可选的实施例，可以依据多个评估分值的均值结果，确定授权专利数据对应的资助级别，其中不同的均值结果，可能对应不同的资助级别。例如，60-70分的分值范围对应的资助级别为四级，70-80分的分值范围对应的资助级别为三级，80-90分的分值范围对应的资助级别为二级，90-100分的分值范围对应的资助级别为一级，当然，在具体实施过程中，可以根据应用场景不同，确定分值范围与资助级别的对应关系，从而在多个评估分值的均值结果落入分值范围对应的资助级别。例如，均值结果为73.5、85、89，其对应的资助级别分别为：三级、二级、二级。另外，可以根据需要将分值范围与一个或者多个资助级别对应起来，比如，可以将均值结果大于等于80分划为可以进行高额资助的级别，而小于80分划为可以进行低额资助的级别。无论采用哪种形式确定资助级别，都可以实现差异化资助的目的，相比相关技术采用统一的额定标准进行无差别化资助，该方法通过对资助级别的划分，可以发挥对高价值专利的重视和引导作用。作为一种可选的实施例，在基于资助级别，生成授权专利数据的资助金中，对于不同的资助级别，采用差异化资助，从而发放相应的资助金，可以根据实际奖励金额、所属地区的经济发展水平、以及在国家发展战略中的位置等多种因素，进行资助。例如，政府推行光伏产业，为了刺激光伏产业的发展，相应的资助金会比同一级别的其他产业要高很多。可选地，获取专利资助申报对象的授权专利数据包括：确定专利资助申报对象的申请类型，其中，申请类型至少包括以下之一：企业、事业单位、个人；根据专利资助申报对象的申请类型，匹配与申请类型对应的授权专利数据。作为一种可选的实施例，可以根据专利资助申报对象的申请类型匹配与该申请类型对应的授权专利数据。其中，在申请类型为企业时，可以根据企业名称，企业地址，组织机构代码、申请日期等，获取与该企业对应的授权专利数据；在申请类型为事业单位时，可以根据该事业单位所属的部门，地址，申请人名称等，获取与该事业单位对应的授权专利数据；在申请类型为个人时，可以根据姓名，家庭地址，身份证号等，获取与该个人对应的授权专利数据；在具体实施过程中，可以根据不同的应用场景划分申请类型，但是该申请类型并不局限于上述所举例说明的内容。可选地，根据至少两个评估模型，预测专利数据的多个评估分值包括：将授权专利数据分别输入至少两个评估模型，由至少两个评估模型输出评估分值，其中，每一个评估模型为使用多组训练数据，通过机器学习训练得出的，多组训练数据中的每组数据均包括：授权专利数据和授权专利数据对应的评估分值。作为一种可选的实施例，在对授权专利数据进行评估分值时，采用两个以上的评估模型来实现，其中，每个评估模型均可以通过输入的相同的授权专利数据，得到由各个模型输出的评估分值，这样就可以根据同一授权专利数据对应的多个评估分值，对同一授权专利数据进行多角度的分析。作为一种可选的实施例，在对多个评估模型进行训练时，用于训练的多组训练数据可以是相同的，也可以是不同的。例如，可以使用基于专利法律状态数据、市场数据的多组训练数据对多个评估模型分别进行训练，其中，训练后的每个评估模型中的可以通过设置不同的权重比例等方式，用于分析授权专利数据对应的评估分值。另外，还可以采用使用基于专利法律状态数据训练一个评估模型，基于市场数据训练另一个评估模型，通过这两个基于不同训练数据的评估模型，实现后续对授权专利数据对应的评估分值的预测。在具体实施过程中，并不局限于上述所举例说明的实施方式。需要说明的是，上述至少两个评估模型还可以由多个不同的团队、采用不同的算法等开发设计。可选地，授权专利数据包括专利内容数据，其中，所述专利内容数据包括以下至少之一：权利要求，说明书，外观专利图像。作为一种可选的实施例，对于授权专利进行评估，实际上是对专利内容数据，例如，权利要求、说明书、外观专利图像等的评估。其中，可以对上述专利内容数据进行关键特征提取、语义分析等。例如，可以提取权利要求或者说明书当中的关键字、关键词，还可以提取外观专利图像中的图像特征、关键词等，通过对上述关键特征的提取，以及进行相应的语义分析等处理，可以更加准确的反映授权专利的实质性内容。作为一种可选的实施例，为了保证评估模型预测的准确性，在构建评估模型后，需要对该模型进行训练，可以使用多种途径的数据源来提高评估模型的预测能力，例如，企业数据中可以包括企业的名称、地址、申请人和发明人信息等，专利内容数据包括专利授权文本的权利要求书、说明书、外观专利图像等，专利法律状态可以包括申请、受理、初审合格、实审、公布、审查意见、授权、下证、无效等。作为一个可选的实施方式，可以是通过cnipr等获取专利数据，包括已公开的专利数据、已授权的专利数据等，还可以通过申请号等信息获取授权专利数据，比如申请人、授权文本以及其它的相关信息。此外，上述授权专利数据还可以包括市场数据、复审数据、无效数据、知识产权司法判决数据等，这些授权专利数据可以辅助性提高评估的精度，更好的反映授权专利的价值，在此不再一一赘述。作为一种可选的实施例，授权专利数据可以是企业数据、专利内容数据、专利法律状态数据、市场数据、复审数据、无效数据、知识产权司法判决数据中的一个，也可以是多个相结合的形式，可以将上述授权专利数据应用于训练、评估等阶段，从而保证了授权专利数据的内容涵盖更多样、更加详细，能够从多个角度反馈专利的价值，提高后续评估分值的准确性。可选地，依据多个评估分值的均值结果，确定授权专利数据对应的资助级别包括：获取预设资助级别与分值区间之间的对应关系；确定多个评估分值的均值结果所属的分值区间；根据对应关系，确定均值结果所属的分值区间对应的预设资助级别为授权专利数据对应的资助级别。作为一种可选的实施例，上述资助级别与分值区间之间的对应关系并不唯一，可以根据需要灵活设置，例如，可以将0至60的分值区间的资助级别设置为0元，将60至70的分值区间的资助级别设置为2000元，将70至90的分值区间的资助级别设置为3000元，将80至90的分值区间的资助级别设置为4000元，以及将90至100的分值区间的资助级别设置为5000元。需要说明的是，各个区间之间的界点值，比如：60、70、80、90等，可以根据需要设置所属的分值区间，且各个分值区间对应的资助级别可以灵活调整。又例如，可以将小于80分的分值区间的资助级别设置为0元，将大于等于80以及小于等于100的分值区间的资助设置为5000元。另外，关于资助级别可以分为一个或者多个级别，其中，资助级别与分值区间之间的对应关系是一一对应的，也就是一个资助级别对应一个分值区间，多个资助级别对应多个分值区间。通过上述方法，可以根据均值结果得到该均值结果所属的分值区间，进而快速、准确地得到资助级别。下面对本发明优选的实施方式进行说明。图2是根据本发明优选实施例的专利资助方法的流程图，如图2所示，该专利资助方法包括：用户注册登录，专利数据推送接收，资助审批，专利资助自动评估，以及专利资助发放。下面对上述专利资助方法中的步骤进一步说明：(1)通过用户注册登录，以用来解决企业、事业单位或个人申报专利的时候注册为系统用户；用户通过终端设备进行注册，用户的注册信息就会保存在对应的服务器中，在注册完成之后，可以通过用户、密码以及验证码等登录，此时该用户为系统用户，可以通过登录进行查询、添加以及删除操作。(2)利用公开的专利数据自动匹配资助申报人，将最新公开、授权的专利数据推送至用户名下；用户在登陆后，可以根据用户的身份信息，获得与该用户的身份信息相关的专利的数据，例如，可以是最新公开的专利数据，还可以是授权的专利数据，这些专利数据是与该用户相关的，此时的用户可以为资助申报人，其中，资助申报人包括：企业、事业单位、个人等。(3)自动生成资助审批单；可以根据专利数据的法律状态类型进行初步分类，例如，通过申请日、公开日、授权日等，得到哪些专利处于授权，哪些专利还处于申请阶段。对于授权的专利，且具备资助资格的专利，根据这些专利生成资助审批单。(4)自动评估专利，确定资助级别；对于资助审批单中的一个或者多个授权专利进行评估预测，从而确定每一个授权专利的资助级别。需要说明的是，在资助发放装置之前对授权专利进行自动评估，可以采用两套或者多套评估方法，且对对授权专利进行自动评估是基于大数据来实现的，其中，上述大数据包括企业数据、专利数据、专利法律状态数据、市场数据、复审数据、无效数据、知识产权司法判决数据等。(5)批量发放资助金。资助级别较高的授权专利，对应的资助金也较高；资助级别较低的授权专利，对应的资助金也较低。其中，对于资助金的标准，根据各个地区的经济发展水平、政策倾向等不同，不同地区同一资助级别的资助金存在一定差异，对于同一地区的不同资助级别之间也是存在差异的，这样更能体现对高价值专利的重视和引导，提高创新能力。通过上述方法可以实现专利分级别资助，打破单一的定额资助模式，同时可以促进技术进步，催生高价值专利。在上述具体实施过程中,以资助对象为企业进行说明,通过多种途径获取该企业专利信息，包括企业处于申请阶段的专利和已授权的专利，由于企业专利数量大，对于已授权的专利申请资助，需要批量处理。可以根据预先设置的条件，比如申请号、公开号、授权日期等信息，从大量专利中提取已授权的专利，进一步根据预设资助条件从这些已授权的专利中筛选出符合资助条件的专利，生成资助审批单。对上述资助审批单中的专利中逐一进行评估，得到评估分值。这里实现对专利的评估采用至少两种评估方法，针对同一专利可以得到两个以及两个以上的评估分值。进一步，利用该评估分值进行资助等级的确定。为了保证资助等级的可靠性与准确性，可以对上述同一专利的多个评估分值求取平均值，该平均值更能反映同一专利的资助等级，从而根据确定的资助等级分配不同的资助金。例如，将资助等级划分为甲、乙、丙三级，其中，甲级的专利资助金为5000元，乙级的专利资助金为3000元，丙级的专利资助金为1000元等，具体的专利资助等级与资助金的匹配，根据实际应用场景确定，并不局限于上述所举例的内容。需要说明的是，上述实施方式中，不同地区的同一资助级别的资助金存在一定程度的差异。比如，经济发达的上海地区，要比经济相对落后的新疆地区的同一资助级别的资助金要高。另外，对于国家重点扶植的高新产业，根据国家政策的倾向性，相比于传统的产业，同一资助级别的资助金也是不同的。这种根据不同的专利采用分级资助的方法，相比于传统的单一的定额资助模式，更加能够反映对高价值专利的重视程度，促进社会的技术进步，这样的资助模式可以进一步促进高价值专利的产生，对于整个社会发展都具有一定的促进作用。图3是根据本发明实施例的专利资助装置的结构示意图，如图3所示，该专利资助装置包括：获取模块32、预测模块34、确定模块36和生成模块38。下面对该专利资助装置进行详细说明。获取模块32，用于获取专利资助申报对象的授权专利数据；预测模块34，连接至上述获取模块32，用于根据至少两个评估模型，预测授权专利数据的多个评估分值；确定模块36，连接至上述预测模块34，用于依据多个评估分值的均值结果，确定授权专利数据对应的资助级别；生成模块38，连接至上述确定模块36，用于基于资助级别，生成授权专利数据的资助金。通过上述实施例，可以实现通过多个评估模型对专利资助申报对象的授权专利数据预测评估分值，从而确定资助级别，达到了依据不同的资助级别采用不同的资助金进行资助的目的，从而实现了对授权专利的差别化资助的技术效果，进而解决了相关技术中采用单一的定额标准进行专利资助，造成的无法体现对高价值专利的重视和引导的技术问题。可选地，预测模块包括：将专利数据分别输入至少两个评估模型，由至少两个评估模型输出评估分值，其中，每一个评估模型为使用多组训练数据，通过机器学习训练得出的，多组训练数据中的每组数据均包括：授权专利数据和授权专利数据对应的评估分值。可选地，确定模块包括：获取单元，用于获取预设资助级别与分值区间之间的对应关系；第一确定单元，用于确定多个评估分值的均值结果所属的分值区间；第二确定单元，用于根据对应关系，确定均值结果所属的分值区间对应的预设资助级别为授权专利数据对应的资助级别。根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述中任意一项的专利资助方法。根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的专利资助方法。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。以上所述仅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，这些改进和润饰也应视为本发明的保护范围。当前第1页12当前第1页12