专利价值动态评估与技术情报分析方法及装置与流程

本文件涉及专利价值评估与技术情报分析，尤其涉及一种专利价值动态评估与技术情报分析方法及装置。

背景技术：

1、专利价值评估在技术转移、专利质押融资、企业并购及专利组合管理中具有重要作用。传统的专利价值评估方法主要依赖专利自身指标，如被引次数、权利要求数量、同族规模等，通过加权求和得到综合评分。现有方法存在以下不足：

2、1.静态性：采用固定指标和固定权重，无法反映专利价值随技术发展阶段的动态变化规律。萌芽期专利与成熟期专利的价值形成机制完全不同，统一模型导致评估偏差。

3、2.滞后性：被引次数等指标需要多年累积才能反映价值，无法对新申请专利或新兴技术领域的专利进行有效评估。

4、3.粒度粗糙：通常以ipc分类号划分技术领域，但ipc分类粒度粗、更新慢，且语义信息丢失，无法精准表征专利在技术演进中的语义节点与关联关系。

5、4.缺乏预测能力：现有方法仅输出当前时点的估值，无法预判专利未来价值走势，难以支持专利放弃、维持、许可等决策。

6、5.分析维度单一：现有技术仅关注单件或组合的估值，未能利用已划分的技术领域数据进行深度的技术情报分析（如技术趋势、地域布局、竞争格局、生命周期追踪等），无法满足企业战略规划、竞争情报、投资尽调等更高层次的需求。

7、因此，亟需一种能够动态、精细化评估专利价值、预测未来走势，并能基于细粒度技术领域数据进行深度技术情报分析的方法及系统，以克服上述现有技术的不足。

技术实现思路

1、本发明的目的在于提供一种专利价值动态评估与技术情报分析方法及装置，旨在解决现有技术中的上述问题。

2、本发明提供一种专利价值动态评估与技术情报分析方法，包括：

3、获取多源专利数据，并利用分布式计算框架对所述多源专利数据进行预处理，获取标准化专利数据，基于所述标准化专利数据，采用条件分离策略构建双层拓扑图谱；

4、计算所述双层拓扑图谱的各节点的时序演化特征集，构建历史专利数据集，对所述时序演化特征集进行训练，生成专利阶段识别模型，将目标节点的特征向量输入所述专利阶段识别模型，输出技术生命周期阶段标签及识别置信度；

5、将目标专利提取的实体集合与所述双层拓扑图谱的图谱节点进行语义匹配，定位主关联节点及对应的技术生命周期阶段标签，建立“专利技术阶段-评估维度权重”动态映射表，根据时间分离逻辑差异化配置权重，计算各评估维度指标值并归一化，采用阶段自适应权重加权求和得到基础评分，以历史交易数据为分布先验，通过蒙特卡洛模拟生成概率化估值区间，输出当前价值评分及置信区间；

6、采用lstm模型，基于节点历史度序列与邻域规模进行滑动窗口训练，输出未来基础价值趋势曲线，根据已存续年限、同族规模、续费记录、以及历史价值评分，输出年度续费概率曲线，映射为价值衰减因子；监测所述双层拓扑图谱的主关联节点所属技术簇的拓扑演化，当识别到高相似度替代节点或技术融合事件时，计算技术替代风险指数并转化为冲击系数，基于所述未来基础价值趋势曲线、所述价值衰减因子以及所述冲击系数，采用阶段自适应加权公式生成未来专利价值预测曲线；

7、基于所述双层拓扑图谱的结构与所述未来专利价值预测曲线，对技术主题簇执行多维度下钻聚合，将阶段识别证据链、当前专利价值估值区间、技术生命周期阶段标签及技术情报图表整合为分析结果并输出。

8、本发明提供一种专利价值动态评估与技术情报分析装置，包括：

9、获取构建模块，用于获取多源专利数据，并利用分布式计算框架对所述多源专利数据进行预处理，获取标准化专利数据，基于所述标准化专利数据，采用条件分离策略构建双层拓扑图谱；

10、技术生命周期阶段识别模块，用于计算所述双层拓扑图谱的各节点的时序演化特征集，构建历史专利数据集，对所述时序演化特征集进行训练，生成专利阶段识别模型，将目标节点的特征向量输入所述专利阶段识别模型，输出技术生命周期阶段标签及识别置信度；

11、价值评估模块，用于将目标专利提取的实体集合与所述双层拓扑图谱的图谱节点进行语义匹配，定位主关联节点及对应的技术生命周期阶段标签，建立“专利技术阶段-评估维度权重”动态映射表，根据时间分离逻辑差异化配置权重，计算各评估维度指标值并归一化，采用阶段自适应权重加权求和得到基础评分，以历史交易数据为分布先验，通过蒙特卡洛模拟生成概率化估值区间，输出当前价值评分及置信区间；

12、专利价值预测模块，用于基于节点历史度序列与邻域规模进行滑动窗口训练，输出未来基础价值趋势曲线，根据已存续年限、同族规模、续费记录、以及历史价值评分，输出年度续费概率曲线，映射为价值衰减因子；监测所述双层拓扑图谱的主关联节点所属技术簇的拓扑演化，当识别到高相似度替代节点或技术融合事件时，计算技术替代风险指数并转化为冲击系数，基于所述未来基础价值趋势曲线、所述价值衰减因子以及所述冲击系数，采用阶段自适应加权公式生成未来专利价值预测曲线；

13、结果输出模块，用于基于所述双层拓扑图谱的结构与所述未来专利价值预测曲线，对技术主题簇执行多维度下钻聚合，将阶段识别证据链、当前专利价值估值区间、技术生命周期阶段标签及技术情报图表整合为分析结果并输出。

14、本发明实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述专利价值动态评估与技术情报分析方法的步骤。

15、本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述专利价值动态评估与技术情报分析方法的步骤。

16、采用本发明实施例，提供一种基于技术领域发展图谱的专利价值动态评估与技术情报分析方法及系统，通过大语言模型构建细粒度的技术领域发展图谱，利用图谱节点的时序演化特征识别技术发展阶段，并基于阶段自适应模型输出当前估值与未来价值预测曲线，同时基于已划分的技术节点聚合专利数据，实现多维度技术情报分析，能够为企业战略规划、竞争情报、投资决策等提供数据支撑。

1.一种专利价值动态评估与技术情报分析方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，获取多源专利数据，并利用分布式计算框架对所述多源专利数据进行预处理，获取标准化专利数据，基于所述标准化专利数据，采用条件分离策略构建双层拓扑图谱具体包括：

3.根据权利要求1所述的方法，其特征在于，计算所述双层拓扑图谱的各节点的时序演化特征集，构建历史专利数据集，对所述时序演化特征集进行训练，生成专利阶段识别模型，将目标节点的特征向量输入所述专利阶段识别模型，输出技术生命周期阶段标签及识别置信度具体包括：

4.根据权利要求1所述的方法，其特征在于，将目标专利提取的实体集合与所述双层拓扑图谱的图谱节点进行语义匹配，定位主关联节点及对应的技术生命周期阶段标签，建立“专利技术阶段-评估维度权重”动态映射表，根据时间分离逻辑差异化配置权重，计算各评估维度指标值并归一化，采用阶段自适应权重加权求和得到基础评分，以历史交易数据为分布先验，通过蒙特卡洛模拟生成概率化估值区间，输出当前价值评分及置信区间具体包括：

5.根据权利要求1所述的方法，其特征在于，采用lstm模型，基于节点历史度序列与邻域规模进行滑动窗口训练，输出未来基础价值趋势曲线，根据已存续年限、同族规模、续费记录、以及历史价值评分，输出年度续费概率曲线，映射为价值衰减因子；监测所述双层拓扑图谱的主关联节点所属技术簇的拓扑演化，当识别到高相似度替代节点或技术融合事件时，计算技术替代风险指数并转化为冲击系数具体包括：

6.根据权利要求5所述的方法，其特征在于，基于所述未来基础价值趋势曲线、所述价值衰减因子以及所述冲击系数，采用阶段自适应加权公式生成未来专利价值预测曲线具体包括：

7.根据权利要求1所述的方法，其特征在于，基于所述双层拓扑图谱的结构与所述未来专利价值预测曲线，对技术主题簇执行多维度下钻聚合，将阶段识别证据链、当前专利价值估值区间、技术生命周期阶段标签及技术情报图表整合为分析结果并输出具体包括：

8.一种专利价值动态评估与技术情报分析装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的专利价值动态评估与技术情报分析方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的专利价值动态评估与技术情报分析方法的步骤。