基于权重平衡算法的专利可交易性预测研究

doi:10.3772/j.issn.1000-0135.2025.05.004

情报学报

2025, Vol. 44

Issue (5): 549-561 DOI: 10.3772/j.issn.1000-0135.2025.05.004

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于权重平衡算法的专利可交易性预测研究

冉从敬¹, 丁群哲¹, 李旺¹, 宋永辉¹, 刘爽²

1.武汉大学信息管理学院，武汉 430072
2.教育部高等学校科学研究发展中心，北京 100080

Research on Patent Tradability Prediction Based on Weight Balancing Algorithm

Ran Congjing¹, Ding Qunzhe¹, Li Wang¹, Song Yonghui¹, Liu Shuang²

1.School of Information Management, Wuhan University, Wuhan 430072
2.Center for Scientific Research and Development in Higher Education Institutes, Ministry of Education, Beijing 100080

摘要
图/表
参考文献
相关文章 (0)

全文: PDF (2926 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要专利交易作为技术创新与市场价值实现的重要环节，对专利交易潜力的识别与预测在支持国家关键科技战略目标、推动科技创新以及促进企业和研究机构间技术转移与合作方面具有重要意义。基于此，本研究提出一种基于权重平衡算法的专利可交易性预测方法，该方法首先整合incoPat专利数据库与中国专利信息服务平台数据库形成初始数据集，同时基于专利转让记录、转让与受让地址、利益相关方信息等规则和算法对初始专利交易数据集进行二次筛选，构建专利交易数据集；其次，基于专利交易数据集，将专利的可交易预测问题转化为监督式二分类任务，将专利在交易发生之前的多维度技术特征作为预测的输入变量，并以专利在失效前是否发生交易作为预测目标，最终完成专利可交易性预测。结果表明，本研究提出的基于权重平衡算法的专利可交易性预测模型在综合性能上优于基础模型，并通过实证结果验证了其有效性；通过模型的可解释性算法，本研究识别出了申请人国家、申请人类型和同族国家数以及同族专利数等是影响专利交易的重要技术特征。尽管本研究取得了一定进展，专利交易预测仍面临挑战，未来可以尝试引入专利文本和图像等多维特征，以进一步提升模型的预测性能。

	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
	冉从敬
	丁群哲
	李旺
	宋永辉
	刘爽

关键词 ：权重平衡算法, 改进机器学习模型, 专利可交易性预测

收稿日期: 2024-09-27

基金资助:国家自然科学基金面上项目“基于图卷积神经网络的新兴技术领域高质量专利识别及其演化研究”（72274084）。

作者简介: 冉从敬，男，1978年生，博士，教授，博士生导师，主要研究领域为知识产权、大数据治理；丁群哲，通信作者，男，1993年生，博士研究生，主要研究领域为数据科学与知识产权，E-mail：dingqunzhe1@163.com；李旺，男，1996年生，博士研究生，主要研究领域为科技大数据治理；宋永辉，男，1999年生，博士研究生，主要研究领域为知识产权智能服务；刘爽，女，1977年生，博士，主要研究领域为管理系统工程；

引用本文:

冉从敬, 丁群哲, 李旺, 宋永辉, 刘爽. 基于权重平衡算法的专利可交易性预测研究[J]. 情报学报, 2025, 44(5): 549-561.
Ran Congjing, Ding Qunzhe, Li Wang, Song Yonghui, Liu Shuang. Research on Patent Tradability Prediction Based on Weight Balancing Algorithm. 情报学报, 2025, 44(5): 549-561.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.05.004 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I5/549

1 Liefner I, Kroll H, Peighambari A. Research-driven or party-promoted? Factors affecting patent applications of private small and medium-sized enterprises in China’s Pearl River Delta[J]. Science and Public Policy, 2016, 43(6): 849-858.
2 吴小康, 铁瑛. 知识产品交易、边界障碍与效率损失评估[J]. 世界经济, 2023, 46(10): 170-195.
3 Wu X K, Yang J J. High-speed railway and patent trade in China[J]. Economic Modelling, 2023, 123: 106276.
4 De Marco A, Scellato G, Ughetto E, et al. Global markets for technology: evidence from patent transactions[J]. Research Policy, 2017, 46(9): 1644-1654.
5 Kim M, Geum Y. Predicting patent transactions using patent-based machine learning techniques[J]. IEEE Access, 2020, 8: 188833-188843.
6 钱坤, 张晓, 黄忠全. 交易情景下专利价值影响因素分析[J]. 科学学研究, 2020, 38(9): 1608-1620.
7 Shen H J, Huang C, Mao H, et al. To license or sell: a study on the patent transaction modes in China[R]. Hong Kong: HKUST IEMS Working Paper Series, 2018: No.2018-51.
8 宋爽, 陈向东. 区域技术差异对专利价值的影响[J]. 科研管理, 2016, 37(9): 68-77.
9 Squicciarini M, Dernis H, Criscuolo C. Measuring patent quality: indicators of technological and economic value[R]// OECD Science, Technology and Industry Working Papers. Paris: OECD Publishing, 2013: No.2013/03.
10 Bergman K, Graff G D. The global stem cell patent landscape: implications for efficient technology transfer and commercial development[J]. Nature Biotechnology, 2007, 25(4): 419-424.
11 何喜军, 董艳波, 武玉英, 等. 基于ERGM的科技主体间专利技术交易机会实证研究[J]. 中国软科学, 2018(3): 184-192.
12 He X J, Meng X, Dong Y B, et al. Demand identification model of potential technology based on SAO structure semantic analysis: the case of new energy and energy saving fields[J]. Technology in Society, 2019, 58: 101116.
13 Wang Q, Du W, Ma J, et al. Recommendation mechanism for patent trading empowered by heterogeneous information networks[J]. International Journal of Electronic Commerce, 2019, 23(2): 147-178.
14 何喜军, 石安杰, 吴爽爽, 等. 基于知识图谱与强化学习的专利交易推荐研究[J]. 系统工程理论与实践, 2024, 44(10): 3330-3345.
15 Zhang L S, Kang Z, Sun X X, et al. KCRec: knowledge-aware representation graph convolutional network for recommendation[J]. Knowledge-Based Systems, 2021, 230: 107399.
16 Guo Q Y, Zhuang F Z, Qin C, et al. A survey on knowledge graph-based recommender systems[J]. IEEE Transactions on Knowledge and Data Engineering, 2022, 34(8): 3549-3568.
17 Wang Q, Mao Z D, Wang B, et al. Knowledge graph embedding: a survey of approaches and applications[J]. IEEE Transactions on Knowledge and Data Engineering, 2017, 29(12): 2724-2743.
18 Tang X L, Wang T Y, Yang H Z, et al. AKUPM: attention-enhanced knowledge-aware user preference model for recommendation[C]// Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. New York: ACM Press, 2019: 1891-1899.
19 Han E J, Sohn S Y. Patent valuation based on text mining and survival analysis[J]. The Journal of Technology Transfer, 2015, 40(5): 821-839.
20 冉从敬, 李旺, 胡启彪, 等. 基于机器学习的成本法在专利价值评估中的应用研究——以“新能源汽车”为例[J]. 现代情报, 2024, 44(5): 140-152.
21 曾凯霖, 唐婷, 吴泽斌. 专利价格评估指标体系与预测模型构建[J]. 科技管理研究, 2023, 43(16): 63-69.
22 王肃. 专利交易概念探析[J]. 河南科技学院学报, 2012(1): 34-36.
23 胡泽文, 周西姬, 任萍. 基于扎根理论的高价值专利评估与识别研究综述[J]. 情报科学, 2022, 40(2): 183-192.
24 Zhang Y, Qian Y, Huang Y, et al. An entropy-based indicator system for measuring the potential of patents in technological innovation: rejecting moderation[J]. Scientometrics, 2017, 111(3): 1925-1946.
25 Arora A, Belenzon S, Suh J. Science and the market for technology[J]. Management Science, 2022, 68(10): 7176-7201.
26 胡元佳, 卞鹰, 王一涛. 专利价值的理论探讨[J]. 科技管理研究, 2008, 28(5): 246-249.
27 国家市场监督管理总局, 国家标准化管理委员会. 专利评估指引: GB/T 42748—2023[S/OL]. (2023-08-06) [2023-09-27]. http://c.gb688.cn/bzgk/gb/showGb?type=online&hcno=21AB9B32C8B01C3849AF785EBEFC357B.
28 《专利评估指引》国家标准正式发布[EB/OL]. (2023-08-31) [2023-09-27]. https://mp.weixin.qq.com/s/SCJdRQyNVk2H6qYA5mPyjA.
29 Lee S, Kang S, Park Y, et al. Technology roadmapping for R&D planning: the case of the Korean parts and materials industry[J]. Technovation, 2007, 27(8): 433-445.
30 刘运华, 刘兴华, 李晶. 建立有利于科技成果转化的专利质量评价体系研究[J]. 科学管理研究, 2022, 40(2): 65-72.
31 Ko N, Jeong B, Seo W, et al. A transferability evaluation model for intellectual property[J]. Computers & Industrial Engineering, 2019, 131: 344-355.
32 Gao L D, Porter A L, Wang J, et al. Technology life cycle analysis method based on patent documents[J]. Technological Forecasting and Social Change, 2013, 80(3): 398-407.
33 刘澄, 雷秋原, 张楠, 等. 基于BP神经网络的专利价值评估方法及其应用研究[J]. 情报杂志, 2021, 40(12): 195-202.
34 刘妍. 专利价值评估研究综述与趋势展望[J]. 图书情报工作, 2022, 66(15): 127-139.
35 Lundberg S M, Erion G, Chen H, et al. From local explanations to global understanding with explainable AI for trees[J]. Nature Machine Intelligence, 2020, 2(1): 56-67.