亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        企業(yè)核心專利預(yù)測研究

        2018-12-05 15:26:26尉心淵
        經(jīng)濟研究導(dǎo)刊 2018年12期
        關(guān)鍵詞:模型研究

        尉心淵

        (山西大學(xué),太原 030006)

        一、核心專利識別的現(xiàn)狀

        專利是科技進步的產(chǎn)物,是科技水平的體現(xiàn)。其所蘊含的信息對于科技型企業(yè)的發(fā)展和競爭有非常重要的參考價值,是制定正確的專利戰(zhàn)略、衡量科技進步的重要指標(biāo)。誰能最先掌握核心專利,誰就能在市場中占據(jù)主導(dǎo)地位。當(dāng)前,在轉(zhuǎn)化收益普遍不公開的情況下,被引次數(shù)無疑是預(yù)測核心專利的最為重要的指標(biāo)。提前準(zhǔn)確地預(yù)測出某一領(lǐng)域的核心專利,也就可以挖掘出企業(yè)的經(jīng)濟價值,可以為企業(yè)制定專利戰(zhàn)略、盡早布局技術(shù)研發(fā)或轉(zhuǎn)讓等提供參考。

        技術(shù)創(chuàng)新和進步促進了專利申請量的大幅增加,而核心專利的識別與評估也成為專利計量學(xué)的一個熱門領(lǐng)域?,F(xiàn)有的對于核心專利識別方法的研究有很多,大都是基于專利質(zhì)量評價指標(biāo)來進行。在所有指標(biāo)中,專利被引次數(shù)指標(biāo)使用最廣泛。一般而言,被引頻次較高的專利在產(chǎn)業(yè)鏈中所處位置較為關(guān)鍵,在一定程度上反映了專利在某領(lǐng)域研發(fā)中的基礎(chǔ)性、引導(dǎo)性作用。一些專家認(rèn)為,專利的被引頻次是衡量一個專利價值的重要指標(biāo),通過分析專利的被引頻次能夠識別出核心專利。因此,專利的被引頻次可以用做確認(rèn)企業(yè)重要專利及核心技術(shù)的指標(biāo)[1]。有研究表明,專利發(fā)布后幾年的被引頻次服從的偏態(tài)分布與專利質(zhì)量的分布非常相符,被引頻次高的專利就是高質(zhì)量的專利[2]。這說明,研究專利的被引頻次對于核心專利的發(fā)現(xiàn)以及專利價值的預(yù)測有很重要的意義。通過預(yù)測某一專利的被引頻次,衡量該專利的價值程度,可以非常準(zhǔn)確的預(yù)測該專利是否會成為核心專利。現(xiàn)在專利質(zhì)量評價指標(biāo)的研究較為成熟,常用的指標(biāo)大致可以歸為以下四個方面:(1)被引。主要是考察現(xiàn)有專利被后續(xù)專利的引用情況,一般認(rèn)為某專利被引次數(shù)越多,它對后續(xù)專利的影響越大,越有可能成為核心專利。(2)引用。主要是考量該專利引用已有相關(guān)論文以及與現(xiàn)存科學(xué)知識的關(guān)聯(lián)度,主要指標(biāo)包括科學(xué)關(guān)聯(lián)度、科學(xué)強度等。這方面的指標(biāo)數(shù)值越大,表明該專利跟技術(shù)的聯(lián)系相對緊密。(3)技術(shù)保護范圍。這類指標(biāo)是發(fā)明人對該專利技術(shù)保護程度的體現(xiàn),主要有權(quán)利要求數(shù)量、技術(shù)覆蓋范圍等指標(biāo)。專利權(quán)人對該專利越是重視,申請保護的權(quán)利范圍越廣,說明該專利對技術(shù)發(fā)展越重要。從本質(zhì)上講,這類指標(biāo)最能反映專利質(zhì)量。(4)區(qū)域保護范圍。該類指標(biāo)主要是考量專利權(quán)人對其專利申請了法律保護的國別數(shù)。專利族大小指標(biāo)是這個角度的代表,該數(shù)值與專利質(zhì)量為正相關(guān)關(guān)系,說明該指標(biāo)對于專利質(zhì)量衡量有很重要的參考意義。

        通過國內(nèi)外研究的分析可以看出,核心專利的識別有一定的研究成果,但是對于專利被引頻次的預(yù)測不夠具體,對于核心專利的研究也有待深入。為了解決這些問題,本文構(gòu)建了一種專利被引頻次的預(yù)測模型,通過分析專利信息以及被引頻次與核心專利之間的關(guān)系,選擇正確的指標(biāo)體系,以確保模型的科學(xué)性和適用性,使用支持向量機回歸的方法實現(xiàn)核心專利的預(yù)測,為企業(yè)尋找未來的發(fā)展目標(biāo)、實現(xiàn)在技術(shù)上的突破提供參考。

        二、模型的構(gòu)建

        回歸分析的關(guān)鍵是變量的選擇,通過具體分析核心專利的影響因素,確定影響被引頻次的因素,正確選擇預(yù)測模型中的變量,綜合分析現(xiàn)有專利質(zhì)量評價指標(biāo)的研究,選擇3個指標(biāo):科學(xué)關(guān)聯(lián)度、權(quán)利要求數(shù)、專利族大小,進行模型中指標(biāo)體系的構(gòu)建。本文選擇的3個指標(biāo)是專利指標(biāo)三個方面的代表。雖然其他指標(biāo)對于模型的構(gòu)建也有作用,但相關(guān)性較低,所以選擇了這3個指標(biāo)進行指標(biāo)體系的構(gòu)建。

        支持向量機是一種小樣本數(shù)據(jù)的機器學(xué)習(xí)方法,憑借其極強的泛化能力,可以解決傳統(tǒng)預(yù)測方法面臨的“維數(shù)災(zāi)難”和“過學(xué)習(xí)”等困難[3]。該方法在專利領(lǐng)域有很廣泛的應(yīng)用,徐晟為了對我國專利申請量進行預(yù)測,使用支持向量機進行回歸分析,發(fā)現(xiàn)該預(yù)測方法有很高的預(yù)測精度[4]。Fall和Benzineb等以IPC分類號為研究對象,分別對樸素貝葉斯算法、支持向量機、K近鄰算法進行分類運算,比較后發(fā)現(xiàn)支持向量機的分類效果最好[5]。

        三、結(jié)語

        綜合比較各個核函數(shù)的作用,并結(jié)合專利數(shù)據(jù)的性質(zhì),我們發(fā)現(xiàn)使用Gauss徑向基核函數(shù)對于該模型的構(gòu)建更加合理,模型的預(yù)測結(jié)果比較精確。另外,懲罰系數(shù)和核函數(shù)的參數(shù)使用交叉驗證法和網(wǎng)格搜索來進一步確定,這兩種方法因其科學(xué)性和準(zhǔn)確性在現(xiàn)有研究中使用較為廣泛。通過使用專利數(shù)據(jù)對模型進行驗證,我們發(fā)現(xiàn)該模型的預(yù)測準(zhǔn)確率都比較高,可以說明支持向量機在專利被引頻次預(yù)測以及核心專利發(fā)掘方面有很強的適用性。

        通過模型預(yù)測出的核心專利可以實現(xiàn)產(chǎn)品質(zhì)量的改進和服務(wù)水平的提升,加快產(chǎn)品的更新?lián)Q代速度,以獲取更多的經(jīng)濟利潤。另外,通過核心專利可以精準(zhǔn)監(jiān)控競爭對手的實力水平,掌控產(chǎn)業(yè)發(fā)展的方向,通過正確布局外圍專利,圍繞核心技術(shù)進一步開發(fā)新的外圍技術(shù)和產(chǎn)品,有可能實現(xiàn)產(chǎn)業(yè)壟斷。

        參考文獻:

        [1]Harhoff D.,Narin F.,Scherer F M.,etal.Citation Frequency and the value of patented inventions[J].The Review of Economics and Statistics,1999,(8):511-515.

        [2]萬小麗.專利質(zhì)量指標(biāo)中“被引頻次”的深度剖析[J].情報科學(xué),2014,(1).

        [3]Vapnik V.N.An overview of statistical learning theory[J].Neural Networks,IEEE Transactions,1999,(5):988-999.

        [4]徐晟,趙惠芳,郭雪松.我國專利申請量的支持向量機預(yù)測模型研究[J].運籌與管理,2007,(5).

        [5]Fall C.J.,TorcsvariA,Benzineb K.,etal.Automated categorization in the international patent classification[C]//ACM SIGIR Forum,2003.

        猜你喜歡
        模型研究
        一半模型
        FMS與YBT相關(guān)性的實證研究
        2020年國內(nèi)翻譯研究述評
        遼代千人邑研究述論
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
        視錯覺在平面設(shè)計中的應(yīng)用與研究
        科技傳播(2019年22期)2020-01-14 03:06:54
        EMA伺服控制系統(tǒng)研究
        新版C-NCAP側(cè)面碰撞假人損傷研究
        3D打印中的模型分割與打包
        国产午夜激无码AV毛片不卡| 亚洲色欲色欲大片www无码| 人人玩人人添人人澡| 免费人成再在线观看视频 | 久热这里只有精品99国产| 亚洲国产日韩精品综合| 日本精品一区二区三区在线观看| 国产成人午夜无码电影在线观看| 日日摸夜夜添狠狠添欧美| 日韩人妻无码精品系列专区无遮| 日本免费精品一区二区| 国产激情综合在线观看| 欧美午夜精品久久久久免费视| 亚洲日韩AV无码美腿丝袜 | 无套内谢孕妇毛片免费看| 日韩人妻无码一区二区三区| 久久国产欧美日韩高清专区| 亚洲一区二区三区免费av| 国产欧美日韩中文久久| 国产乱妇乱子在线视频| 亚洲国产日韩在线精品频道| 亚洲乱码中文字幕一线区| 国99久9在线 | 免费| 国产日韩成人内射视频| 久久精品国产亚洲av热九九热| 国产精品一区二区黄色| 欧美俄罗斯40老熟妇| 亚洲国产成人AV人片久久网站 | 国产成人精品午夜福利在线| 国产一级黄色性生活片| 日本免费视频| 久久无码av三级| 中文字幕日韩精品美一区二区三区| 亚洲综合在线观看一区二区三区| 大肉大捧一进一出好爽视频| 亚洲AV无码一区二区三区ba | 777久久| 日韩女优图播一区二区| 国产女人水真多18毛片18精品| 亚洲精品一二区| 在线视频自拍视频激情|