基于机器学习模型的专利质量预测初探

doi:10.3772/j.issn.1000-0135.2019.04.008

情报学报

2019, Vol. 38

Issue (4): 402-410 DOI: 10.3772/j.issn.1000-0135.2019.04.008

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

基于机器学习模型的专利质量预测初探

刘夏¹, 黄灿¹, 余骁锋²

1.浙江大学管理学院知识产权管理研究所，杭州 310058
2.香港科技大学计算机科学及工程学系，香港 999077

Patent Evaluation with a Machine Learning Approach

Liu Xia¹, Huang Can¹, Yu Xiaofeng²

1.Institute for Intellectual Property Management, School of Management, Zhejiang University, Hangzhou 300058
2.Department of Computer Science & Engineering, The Hong Kong University of Science and Technology, Hong Kong 999077

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (882 KB) HTML (122 KB)
输出: BibTeX | EndNote (RIS)

摘要随着专利数量的迅速增长，如何预测专利质量，已成为企业、政府以及学术界越发关注的问题。传统的统计分析方法虽然对专利质量评估进行了多方面探索，却较少对专利质量进行预测，尤其是充分利用到专利数据的海量样本和持续更新的优势。本文以2010—2011年国家知识产权局受理的共计85万余件专利申请为研究对象，抓取申请文档中以及相关引文的特征信息，搭建完整的随机森林模型，对后续被引情况进行机器学习及预测。除此之外，随机森林对特征重要性的评估结果显示，专利的向前引证专利的特征比该专利本身的特征对后续引证的预测提供了更多有效信息，进一步显示出专利审查中对前引专利检索工作的重要性。同时，文章结尾指出了本文模型的局限性以及今后借助机器学习对专利预测的改进方法。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	刘夏
	黄灿
	余骁锋

关键词 ：专利质量, 机器学习, 随机森林, 预测

收稿日期: 2018-10-04

基金资助:浙江省博士后科研项目择优资助“基于专利存续期和溢价的中国企业专利价值估测和研究”（71402161）；“互联网+”嵌入企业协同创新生态系统研究项目（71732008）。

引用本文:

刘夏, 黄灿, 余骁锋. 基于机器学习模型的专利质量预测初探[J]. 情报学报, 2019, 38(4): 402-410.
Liu Xia, Huang Can, Yu Xiaofeng. Patent Evaluation with a Machine Learning Approach. 情报学报, 2019, 38(4): 402-410.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2019.04.008 或 https://qbxb.istic.ac.cn/CN/Y2019/V38/I4/402

1 世界知识产权组织(WIPO). 2011年世界知识产权指标[R/OL]. 2011. https://www.wipo.int/publications/en/details.jsp?id=236& plang=EN.
2 ReutersThomson. China s IQ (innovation quotient)-trends in patenting and the globalization of Chinese innovation[R/OL]. 2014. https://www.rouse.com/magazine/news/chinas-iq-innovation- quotient-trends-in-patenting-and-the-globalization-of-chinese- innovation/.
3 裴宏, 吴艳. 实施专利质量提升工程加快建设知识产区强国[N/OL]. 知识产权报, 2017, http://www.sipo.gov.cn/zscqgz/1101209.html.
4 郭俊华, 杨晓颖. 专利资助政策的评估及改进策略研究——以上海市为例[J]. 科学学研究, 2010, 28(1): 17-25.
5 龙小宁, 王俊. 中国专利激增的动因及其质量效应[J]. 世界经济, 2015(6): 115-142.
6 张古鹏, 陈向东, 杜华东. 中国区域创新质量不平等研究[J]. 科学学研究, 2011, 29(11): 1709-1719.
7 宋河发, 穆荣平, 陈芳, 等. 基于中国发明专利数据的专利质量测度研究.[J]. 科研管理, 2014, 35 (11): 68-76.
8 杨思思, 戴磊, 郝屹. 专利经济价值度通用评估方法研究[J]. 情报学报, 2018, 37(1): 52-60.
9 李瑞茜, 陈向东. 基于专利共类的关键技术识别及技术发展模式研究[J]. 情报学报, 2018, 37(5): 495-502.
10 郑贵忠, 刘金兰. 基于生存分析的专利有效模型研究[J]. 科学学研究, 2010, 28(11): 1677-1682.
11 乔永忠. 专利维持时间影响因素研究[J]. 科研管理, 2011, 32(7): 143-149.
12 肖冰. 基于法定保护期的专利维持时间影响因素研究[J]. 科学学研究, 2017, 35(11): 1652-1658.
13 刘佩佩, 袁红梅. 专利权无效宣告结果的影响因素探讨——基于药物专利属性的实证研究[J]. 情报学报, 2017, 36(4): 392-400.
14 李华杰, 史丹, 马丽梅. 基于大数据方法的经济研究: 前沿进展与研究综述[J]. 经济学家, 2018(6): 96-104.
15 国家知识产权局.《2016专利统计年报》[R]. 2016.
16 SquicciariniM, DernisH, CriscuoloC. Measuring patent quality[R]. OECD, 2013.
17 BoeingP, MuellerE. Measuring patent quality in cross-country comparison[J]. Economics Letters, 2016, 149: 145-147.
18 LernerJ. The importance of patent scope: An empirical analysis[J]. The RAND Journal of Economics, 1994, 25(2): 319-333.
19 郑素丽, 宋明顺. 专利质量由何决定?——基于文献综述的整合性框架[J]. 科学学研究, 2012, 30(9): 1316-1323.
20 HarhoffD, NarinF, SchererF M, et al. Citation frequency and the value of patented inventions[J]. Review of Economics and statistics, 1999, 81(3): 511-515.
21 NarinF, HamiltonK S, OlivastroD. The increasing linkage between US technology and public science[J]. Research Policy, 1997, 26(3): 317-330.
22 CassimanB, VeugelersR, ZunigaP. In search of performance effects of (in) direct industry science links[J]. Industrial and Corporate Change, 2008, 17(4): 611-646.
23 HarhoffD, SchererF M, K. CitationsVopel, sizefamily, opposition and the value of patent rights[J]. Research Policy, 2003, 32(8): 1343-1363.
24 Van ZeebroeckN. The puzzle of patent value indicators[J]. Economics of Innovation and New Technology, 2011, 20(1): 33-62.
25 HastieT, TibshiraniR, FriedmanJ. Unsupervised learning[M]// The elements of statistical learning. New York: Springer, 2009.
26 MullainathanS, SpiessJ. Machine learning: an applied econometric approach[J]. Journal of Economic Perspectives, 2017, 31(2): 87-106.
27 WooldridgeJ M. Introductory econometrics: A modern approach[M]. Beijing: Tsinghua University Press, 2014.