馮文娟　張昕

作者簡(jiǎn)介：馮文娟，東南大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生在讀。

張昕，東南大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，導(dǎo)師。

摘要：針對(duì)當(dāng)前專利技術(shù)分成率評(píng)估方法出現(xiàn)的問(wèn)題，引入BP神經(jīng)網(wǎng)絡(luò)方法來(lái)計(jì)算專利技術(shù)分成率。第一步是建立指標(biāo)體系。第二步是訓(xùn)練樣本的選取以及數(shù)據(jù)標(biāo)準(zhǔn)化處理。第三步是完成模型誤差調(diào)優(yōu)。最后，通過(guò)實(shí)例驗(yàn)證了使用BP神經(jīng)網(wǎng)絡(luò)方法評(píng)估專利技術(shù)分成率是可行的。

關(guān)鍵詞：技術(shù)分成率；專利；BP神經(jīng)網(wǎng)絡(luò)； MATLAB

專利技術(shù)分成率在利用收益法評(píng)估專利的價(jià)值中起到重要作用，同時(shí)也是專利資產(chǎn)評(píng)估過(guò)程中的難點(diǎn)，至今尚未有統(tǒng)一的計(jì)算標(biāo)準(zhǔn)。在實(shí)際評(píng)估工作中，關(guān)于分成率，聯(lián)合國(guó)工業(yè)發(fā)展組織對(duì)印度等發(fā)展中國(guó)家引進(jìn)技術(shù)價(jià)格的分析后，給出合理的分成率區(qū)間為16%～27%；1972年在挪威召開(kāi)的許可貿(mào)易執(zhí)行協(xié)會(huì)上，25%左右被認(rèn)為是合理的；在美國(guó)，認(rèn)可的分成率取值區(qū)間是10%～30%；而在我國(guó)，通常采用的參考取值是25%～33%。但是，針對(duì)具體行業(yè)中的具體資產(chǎn)，分成率的計(jì)算都需要針對(duì)實(shí)際情況展開(kāi)分析，并且準(zhǔn)確性與合理性都得不到保證。

針對(duì)此現(xiàn)狀，近年來(lái)許多學(xué)者展開(kāi)了針對(duì)無(wú)形資產(chǎn)分成率的研究，主要包括定性分析與定量分析，比較有代表性的研究方法主要有層次分析法，LSLP（Licensors Share On Licensees Profit）與RR法，模糊綜合評(píng)判法，灰色系統(tǒng)理論聚類法，邊際分析法，約當(dāng)投資分析法，期權(quán)定價(jià)模型法等。這些方法的缺陷是：一方面指標(biāo)體系不夠全面，沒(méi)有綜合評(píng)估對(duì)象資產(chǎn)的各種屬性；另一方面，權(quán)重的設(shè)置中存在人為主觀成分較大，無(wú)法客觀地評(píng)價(jià)，可靠性不高，將影響資產(chǎn)價(jià)值評(píng)估。

專利技術(shù)分成率問(wèn)題屬于非線性問(wèn)題，而人工神經(jīng)網(wǎng)絡(luò)是非線性問(wèn)題的流行方法。通過(guò)反復(fù)的機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)模型不斷調(diào)整各層神經(jīng)元之間權(quán)重和閾值，直至將誤差降低到設(shè)定誤差以下得到的模型。這種方法得到的結(jié)果中去除了大量的主觀因素，因此得到的結(jié)果科學(xué)性較強(qiáng)。下文將利用BP神經(jīng)網(wǎng)絡(luò)中機(jī)器學(xué)習(xí)理論，通過(guò)MATLAB R2012b中的神經(jīng)網(wǎng)絡(luò)工具箱來(lái)構(gòu)建、初始化以及訓(xùn)練出BP模型，并通過(guò)測(cè)試樣本數(shù)據(jù)仿真，對(duì)比與實(shí)際采用的分成率之間的誤差。結(jié)果表明，學(xué)習(xí)出的BP模型是可靠的。

1.專利技術(shù)分成率指標(biāo)體系的建立

目前，許多學(xué)者對(duì)分成率指標(biāo)的設(shè)置展開(kāi)研究，這些指標(biāo)體系既體現(xiàn)各自的側(cè)重點(diǎn)，又具有一定的共同性。本文在參考國(guó)內(nèi)外的研究，并且遵循指標(biāo)體系建立的科學(xué)性、可操作性、數(shù)字化、層次性、完整性、公平性以及重要性等原則的基礎(chǔ)之上[5-6]，建立專利技術(shù)分成率指標(biāo)體系（包括專利類型、法律狀態(tài)、保護(hù)范圍、侵權(quán)判定、技術(shù)所屬領(lǐng)域、專利技術(shù)水平高低、專利技術(shù)新穎程度、專利技術(shù)成熟程度、替代技術(shù)的多少、專利技術(shù)與企業(yè)利潤(rùn)相關(guān)性、應(yīng)用范圍、市場(chǎng)需求供應(yīng)比、技術(shù)研發(fā)成本、技術(shù)機(jī)會(huì)成本、行業(yè)地位、相關(guān)政策以及社會(huì)環(huán)境共計(jì)17個(gè)指標(biāo)）。

為了能全面可觀的評(píng)價(jià)專利技術(shù)在企業(yè)利潤(rùn)中的分成率，上述指標(biāo)體系中既包含技術(shù)研發(fā)成本、機(jī)會(huì)成本等定量分析指標(biāo)，也包括各種定性指標(biāo)。定量指標(biāo)數(shù)據(jù)的獲得來(lái)自企業(yè)歷史財(cái)務(wù)數(shù)據(jù)，定性指標(biāo)取值主要通過(guò)專家打分法來(lái)獲得。

2.專利技術(shù)分成率的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

2.1 BP神經(jīng)網(wǎng)絡(luò)方法。BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)由Rumelhart，McCelland等人在1986年研究中提出，是一種反向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)、記憶、歸納、聯(lián)想、抽取、概括、容錯(cuò)以及自適應(yīng)的能力。通常BP網(wǎng)絡(luò)由三層結(jié)構(gòu)構(gòu)成：輸入層、隱含層和輸出層。BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程是由正向傳播最速下降發(fā)和通過(guò)反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值兩部分組成。

2.2評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化。通常的評(píng)價(jià)指標(biāo)體系中都同時(shí)含有定性指標(biāo)和定量指標(biāo)兩種指標(biāo)既有又有，為了統(tǒng)一度量標(biāo)準(zhǔn)，必須首先將每個(gè)指標(biāo)者進(jìn)行標(biāo)準(zhǔn)化。

1）對(duì)于定量指標(biāo)，因其衡量單位、級(jí)差、趨向等不同，要先進(jìn)行標(biāo)準(zhǔn)化處理。本文出現(xiàn)的指標(biāo)xij都是正向指標(biāo)，所以可以采用比重法將評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化，具體如下：

yij = xij ∑n1x2ij

2） 定性指標(biāo)標(biāo)準(zhǔn)化處理，本文研究先獲得專家對(duì)17個(gè)指標(biāo)的打分，然后對(duì)打分?jǐn)?shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，處理方法與2.2節(jié)中定量標(biāo)準(zhǔn)所用方法相同。

2.3 構(gòu)建專利技術(shù)分成率的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

專利技術(shù)分成率的BP神經(jīng)網(wǎng)絡(luò)估算模型步驟如下：

1） BP神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)

①輸入層：專利技術(shù)分成的評(píng)價(jià)指標(biāo)體系中最低層指標(biāo)數(shù)即為輸入層神經(jīng)元數(shù)，即，21個(gè)；②隱含層：為了確保BP神經(jīng)網(wǎng)絡(luò)模型的精確度和高運(yùn)算效率，研究中結(jié)合前人經(jīng)驗(yàn)，將隱含層神經(jīng)元數(shù)定為15；③輸出層：本文是利用定量的方法估算專利的技術(shù)分成率，因此輸出層神經(jīng)元是1個(gè)，即，專利技術(shù)分成率。

2） BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與優(yōu)化；3） 獲取專利技術(shù)分成指標(biāo)體系中17個(gè)指標(biāo)的值；4） 將17個(gè)指標(biāo)變量標(biāo)準(zhǔn)化數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)模型，計(jì)算輸出；5） 根據(jù)輸出按照評(píng)價(jià)標(biāo)準(zhǔn)對(duì)專利技術(shù)分成率下結(jié)論

3.MATLAB仿真

神經(jīng)網(wǎng)絡(luò)工具箱是MATLAB環(huán)境下所開(kāi)發(fā)出來(lái)的許多工具箱之一，此次仿真實(shí)驗(yàn)使用的是MATLAB神經(jīng)網(wǎng)絡(luò)工具箱圖形用戶界面。在上述指標(biāo)體系的基礎(chǔ)之上，建立三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，即，輸入層（共有21個(gè)神經(jīng)元）、隱含層（共有15個(gè)神經(jīng)元）和輸出層（僅有1個(gè)神經(jīng)元）。

允許最大訓(xùn)練步數(shù)2000步，訓(xùn)練目標(biāo)最小誤差0.001每間隔100步顯示一次訓(xùn)練結(jié)果，學(xué)習(xí)速率0.05輸入。經(jīng)專家打分法評(píng)定的學(xué)習(xí)樣本18例，測(cè)試樣本10例。學(xué)習(xí)樣本18例數(shù)據(jù)結(jié)構(gòu)是：學(xué)習(xí)樣本自變量（包括專利類型、法律狀態(tài)、保護(hù)范圍、侵權(quán)判定、技術(shù)所屬領(lǐng)域、專利技術(shù)水平高低、專利技術(shù)新穎程度、專利技術(shù)成熟程度、替代技術(shù)的多少、專利技術(shù)與企業(yè)利潤(rùn)相關(guān)性、應(yīng)用范圍、市場(chǎng)需求供應(yīng)比、技術(shù)研發(fā)成本、技術(shù)機(jī)會(huì)成本、行業(yè)地位、相關(guān)政策以及社會(huì)環(huán)境共17個(gè)訓(xùn)練變量）與學(xué)習(xí)樣本因變量（即，技術(shù)分成率）。

在BP神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)初始化以及反復(fù)機(jī)器訓(xùn)練后，當(dāng)BP神經(jīng)網(wǎng)絡(luò)模型的誤差達(dá)到程序預(yù)先設(shè)定的要求時(shí)，標(biāo)志著專利技術(shù)分成率的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型建成。

4.實(shí)例應(yīng)用

某企業(yè)有關(guān)專利分成率的影響因素指標(biāo)規(guī)范范化后的值如下：

專利類型（9分）、法律狀態(tài)（5分）、保護(hù)范圍（5分）、侵權(quán)判定（6分）、技術(shù)領(lǐng)域（4分）、替代技術(shù)（5分）、技術(shù)水平（7分）、成熟程度（6分）、技術(shù)獨(dú)特性（8分）、利潤(rùn)相關(guān)性（2分）、應(yīng)用范圍（6分）、市場(chǎng)需求供應(yīng)比（7分）、技術(shù)研發(fā)成本（8分）、技術(shù)機(jī)會(huì)成本（9分）、行業(yè)地位（7分）、相關(guān)政策（6分）以及社會(huì)環(huán)境（7分）。

然后將這17個(gè)指標(biāo)的值作為專利技術(shù)分成率的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的輸入變量，輸入后得到的輸出結(jié)果是0.3656，即該企業(yè)所擁有的專利技術(shù)分成率是36.56%，對(duì)其企業(yè)價(jià)值的貢獻(xiàn)度是36.56%。

5.結(jié)束語(yǔ)

本文所采用的BP神經(jīng)網(wǎng)絡(luò)方法，盡管評(píng)價(jià)指標(biāo)中的一些定性元素仍然要通過(guò)專家打分獲得，但在計(jì)算技術(shù)分成率的過(guò)程中不須人為確定指標(biāo)權(quán)重，在某種程度上提高了評(píng)價(jià)的可靠性，使評(píng)價(jià)結(jié)果更有效、更客觀。采用BP神經(jīng)網(wǎng)絡(luò)方法計(jì)算專利技術(shù)分成率，結(jié)果是否精確或精確的程度如何，有待將來(lái)繼續(xù)研究。（作者單位：東南大學(xué)經(jīng)濟(jì)管理學(xué)院）

參考文獻(xiàn)：

[1]韓力群. 人工神經(jīng)網(wǎng)絡(luò)理論設(shè)計(jì)及應(yīng)用[M]. 北京：化學(xué)工業(yè)出版社， 2002.

[2]許東，吳錚. 基于MATLAB的系統(tǒng)分析與設(shè)計(jì)—神經(jīng)網(wǎng)絡(luò)[M]. 西安：西安電子科技大學(xué)出版社， 2002.

[3]郭紅珍，黃文杰.技術(shù)分成理論與模型研究[J]. 中國(guó)資產(chǎn)評(píng)估，2004，（12）：35-41