呂 霽

(江西財(cái)經(jīng)職業(yè)學(xué)院，江西 九江 332000)

專利是我國重要的知識產(chǎn)權(quán)，近年來，我國在大力發(fā)展“專利產(chǎn)業(yè)化示范工程”過程中，各級地方政府通過各種手段，篩選出了部分對當(dāng)?shù)亟?jīng)濟(jì)具有較大驅(qū)動作用、且擁有自主知識產(chǎn)權(quán)的專利技術(shù)。但是，我國關(guān)于專利價值評估的研究仍停留在專利信息管理層面，對專利分析缺乏深入研究。基于此，為了促使專利技術(shù)價值評估更加科學(xué)、客觀、精準(zhǔn)，對BP神經(jīng)網(wǎng)絡(luò)在專利價值評估中的應(yīng)用進(jìn)行適當(dāng)分析具有非常重要的意義。

1 BP神經(jīng)網(wǎng)絡(luò)及專利價值理論概述

1.1 BP神經(jīng)網(wǎng)絡(luò)理論

BP神經(jīng)網(wǎng)絡(luò)主要是依據(jù)人腦神經(jīng)元特點(diǎn)，通過對樣本數(shù)據(jù)進(jìn)行系統(tǒng)抽象分析，構(gòu)建程序式的數(shù)據(jù)自動處理方式。其主要包括輸入層、輸出層、中間層幾個模塊，使程序可以不斷地進(jìn)行樣本數(shù)據(jù)訓(xùn)練、輸出、輸入處理[1]。

1.2 專利價值理論

專利價值是品牌建設(shè)范疇的一個概念。其主要包括產(chǎn)權(quán)歸屬、名稱、保護(hù)年限等多層含義，可以作為品牌建設(shè)的評估要素。從專利價值自然屬性進(jìn)行分析，專利價值主要指通過專利技術(shù)轉(zhuǎn)移，可研發(fā)出應(yīng)用專利技術(shù)的產(chǎn)品，進(jìn)而通過社會加工，形成具有一定價值的商品，商品價值可作為專利價值評定依據(jù)。而從專利社會屬性進(jìn)行分析，專利價值主要指專利可作為無形資產(chǎn)進(jìn)行轉(zhuǎn)讓、抵押、信貸等各種社會金融活動。在金融活動中企業(yè)擁有專利的數(shù)量也直接影響了其發(fā)展效益。

2 基于BP神經(jīng)網(wǎng)絡(luò)的專利價值評估指標(biāo)體系構(gòu)建

公正、客觀的評價指標(biāo)體系是對專利技術(shù)價值進(jìn)行綜合評估的前提，因此，本研究廣泛調(diào)查國內(nèi)外文獻(xiàn)，重點(diǎn)學(xué)習(xí)了國內(nèi)外專家學(xué)者在進(jìn)行類似評價時所使用的指標(biāo)，對普遍應(yīng)用的指標(biāo)進(jìn)行了篩選應(yīng)用[2]。最終得出專利技術(shù)價值評估指標(biāo)來自技術(shù)、市場、法律三個層面。具體如下：

2.1 技術(shù)因素指標(biāo)

技術(shù)因素(H1)主要包括技術(shù)先進(jìn)性(H11)、技術(shù)成熟性(H12)、技術(shù)適用性(H13)、技術(shù)不易模仿性(H14)、技術(shù)不可替代性(H15)、技術(shù)受知識產(chǎn)權(quán)保護(hù)程度(H16)幾個模塊。

2.2 市場因素指標(biāo)

市場因素指標(biāo)(H2)主要包括新產(chǎn)品導(dǎo)入頻率(H21)、市場競爭情況(H22)、市場進(jìn)入障礙(H23)、國內(nèi)外市場需求份額(H24)、有關(guān)法律法規(guī)對市場的影響(H25)幾個模塊。

2.3 法律因素指標(biāo)

法律指標(biāo)(H3)主要包括法律穩(wěn)定性(H31)、法律依賴性(H32)、法律可規(guī)避性(H33)、專利侵權(quán)性可判定性(H34)、多國申請(H35)、有效期(H36)、專利許可狀態(tài)(H37)幾個模塊。

3 基于BP神經(jīng)網(wǎng)絡(luò)的專利價值評估模型搭建與實(shí)證訓(xùn)練

3.1 基于BP神經(jīng)網(wǎng)絡(luò)的專利價值評估指標(biāo)規(guī)格化處理

通過對某知識產(chǎn)權(quán)局調(diào)查研究，整理出專利技術(shù)價值評估基本數(shù)據(jù)。部分定性指標(biāo)數(shù)據(jù)主要采用專家打分的形式獲得。但是，由于所整理出的各指標(biāo)間存在量綱單位差異，其存在定性、定量兩個方面指標(biāo)。因此，為保證評價項(xiàng)目間量綱單位可公度性，可以利用效應(yīng)系數(shù)，對評價指標(biāo)進(jìn)行規(guī)格化處理，促使其成為閉區(qū)間[0，1]上無量綱指標(biāo)屬性數(shù)值。其中對于正向型指標(biāo)，效應(yīng)系數(shù)計(jì)算公式為： ；而對于逆向型指標(biāo)，效應(yīng)系數(shù)計(jì)算公式為：Qt=1-(Xt-Xtmin)/(Xtmax-Xtmin)；而對于逆向型指標(biāo)，效應(yīng)系數(shù)計(jì)算公式為：Qt=(Xt-Xtmin)/(Xtmax-Xtmin)。

上述式子中Qt是目標(biāo)值為Xt的效應(yīng)系數(shù)，Xtmin、Xtmax分別為預(yù)先確定的第t個指標(biāo)的最小、最大值，而t為評價指標(biāo)數(shù)目[3]。通過對專利技術(shù)評價指標(biāo)進(jìn)行規(guī)范化處理，得出數(shù)據(jù)如表1所示。

表1 某專利產(chǎn)權(quán)局樣本數(shù)據(jù)規(guī)范化處理結(jié)果(局部)Tab.1 Standardized processing results of sample data of a patent office (partial)

3.2 基于BP神經(jīng)網(wǎng)絡(luò)的專利價值評估模型構(gòu)建

基于BP神經(jīng)網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù)量與專利技術(shù)價值評估指標(biāo)間的緊密聯(lián)系，本研究選取綜合評價者較好的為1，最低的為0，共分為好(0.80～1.00)、較好(0.60～0.80)、一般(0.40～0.60)、較差(0.20～0.40)、差(0.0～0.20)幾個等級。在共10個樣本的數(shù)據(jù)中，選擇樣本1～7作為訓(xùn)練樣本，樣本7～10作為驗(yàn)證樣本[4]。

在具體模型構(gòu)建過程中，首先需確定網(wǎng)絡(luò)層數(shù)及輸入層節(jié)點(diǎn)。本次研究主要采用單隱層BP神經(jīng)網(wǎng)絡(luò)，采用10個指標(biāo)對專利價值進(jìn)行綜合評價。即網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)為10。

其次，確定中間層節(jié)點(diǎn)數(shù)。在本研究中主要依據(jù)h=log2N，進(jìn)行計(jì)算。該式子中h為中間層節(jié)點(diǎn)數(shù)量；N為輸入層節(jié)點(diǎn)數(shù)量。同時，為避免中間層網(wǎng)絡(luò)非線性映射能力弱對預(yù)定映射關(guān)系的影響，可以適當(dāng)增加中間層節(jié)點(diǎn)數(shù)量，即設(shè)定中間層個數(shù)為10。

最后，輸出層節(jié)點(diǎn)數(shù)確定。考慮到該專利技術(shù)評估模型中僅可具有一個指標(biāo)作為綜合評價等級系數(shù)。因此，設(shè)定輸出層節(jié)點(diǎn)數(shù)為1。

3.3 基于BP神經(jīng)網(wǎng)絡(luò)的專利價值評估模型實(shí)證訓(xùn)練

首先，分別對trainlm函數(shù)、traincgb函數(shù)、trainscg函數(shù)不同中間層節(jié)點(diǎn)數(shù)比例值、均方誤差值進(jìn)行對比分析，得出trainscg函數(shù)比例值較高(0.885 623)，誤差值較小(1.725 632)，因此，本次訓(xùn)練主要選擇trainscg函數(shù)，訓(xùn)練節(jié)點(diǎn)數(shù)為10個。

其次，在基于BP神經(jīng)網(wǎng)絡(luò)的專利價值評估體系訓(xùn)練前期，需要對網(wǎng)絡(luò)權(quán)值、閾值進(jìn)行初始化處理。即設(shè)定newff網(wǎng)絡(luò)命令符，直接對其進(jìn)行初始化處理。同時，在中間層訓(xùn)練函數(shù)trainscg應(yīng)用的基礎(chǔ)上，采用purelin轉(zhuǎn)化函數(shù)作為輸出層函數(shù)。采用具有動量的梯度下降法，即trainlm訓(xùn)練網(wǎng)絡(luò)，設(shè)定學(xué)習(xí)精度為0.000 01[5]。通過對模型訓(xùn)練結(jié)果進(jìn)行擬合分析，得出本次研究所搭建的神經(jīng)網(wǎng)絡(luò)模型設(shè)定較優(yōu)良，回歸曲線方程R=0.999 93，擬合度較好。

最后，將篩選的10個樣本帶入專利技術(shù)價值評估BP神經(jīng)網(wǎng)絡(luò)模型中，輸入專利指標(biāo)數(shù)據(jù)。通過BP神經(jīng)網(wǎng)絡(luò)模型運(yùn)作，得出專利價值網(wǎng)絡(luò)輸出值與實(shí)際價值對比如表2所示。

表2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練輸出值與實(shí)際價值對比(局部)Tab.2 Comparison between BP neural network training output value and actual value (partial)

通過對表2數(shù)據(jù)進(jìn)行分析，可得出網(wǎng)絡(luò)輸出值與實(shí)際專利價值比值存在動態(tài)波動。其中，當(dāng)網(wǎng)絡(luò)輸出值與實(shí)際專利價值比值大于1時，表明專利價值內(nèi)在理論價值低于實(shí)際市場預(yù)期，專利價值在某種程度上被低估。對專利內(nèi)在價值進(jìn)行進(jìn)一步挖掘，是后續(xù)專利價值評估的主要方向；當(dāng)網(wǎng)絡(luò)輸出值與實(shí)際專利價值比值小于1時，表明測量專利輸出價值高于其實(shí)際價值[6]。

4 結(jié)論

BP神經(jīng)網(wǎng)絡(luò)在專利價值評估模型中的應(yīng)用，可以從多個維度視角出發(fā)，對專利價值進(jìn)行評估，較傳統(tǒng)市場法、模糊評價法、成本法而言具有更高的可操作性及客觀性。因此，在專利價值評估過程中，相關(guān)技術(shù)人員可以依據(jù)BP神經(jīng)網(wǎng)絡(luò)理論及專利價值理論，搭建科學(xué)的專利價值評估指標(biāo)體系及BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)合模型實(shí)證訓(xùn)練，進(jìn)一步豐富專利價值評估體系，為專利價值評估工作效率及質(zhì)量同步提升提供依據(jù)。