融合专利数据的招商线索发现方法、系统、设备及介质与流程

1.本发明涉及线索发现技术领域，尤其涉及一种融合专利数据的招商线索发现方法、系统、设备及介质。


背景技术：

2.园区产业招商最大的难题主要是如何发现项目线索,项目少、招商线索不多，是困扰招商引资工作的一大瓶颈。目前招商引资的方式，依靠亲朋好友或关系客商进行招商仍占主导地位，为实现招商目标，有些“开店等客”，有些直接“上门推销”。但由于对商家的战略、市场的需求把握并不准确，招商往往没有特色，成了单向度的“热情”，要么招不来，要么招来发现与自己本身的期望并不吻合，尽管付出许多精力进行招商，但是由于能够掌握的线索和信息太少，极大可能掌握的资源不符合客户需求从而导致招商失败。
3.当下的园区产业招商中，专利因素是园区和客户都重点考虑的因素之一；良好的专利生态对于企业有着不小的助益，因此在进行招商线索与客户需求的匹配时，也应当将专利因素纳入考量范围，而当前的招商线索发现技术却往往都忽视了这一点。
4.因此，当前还没有一个普遍适用的方法，能够解决难以在进行招商引资需求匹配时将专利数据纳入计算的问题。


技术实现要素：

5.有鉴于此，本发明提出了一种融合专利数据的招商线索发现方法，用于解决难以在进行招商引资需求匹配时将专利数据纳入计算的问题。
6.本发明的技术方案是这样实现的：
7.本发明第一方面，公开一种融合专利数据的招商线索发现方法，所述方法包括：
8.s1，采集专利信息，所述专利信息包括：各类知识产权保护平台上发布的侵权纠纷案件、法院公开的专利侵权诉讼案件以及各级专利行政管理机关处理的专利侵权纠纷案件数据；
9.s2，对多来源、多维度的所述专利信息进行预处理，提取专利无效决定书或专利侵权诉讼案件判决书、行政处罚书的关键信息，得到高价值专利关键特征信息，生成高价值专利关键特征信息数据库；
10.s3，采集园区产业招商的条件和要求数据并进行预处理，提取产业园区项目招商线索评估的基本标准和标准范围，得到需求关键特征信息，建立园区产业招商的需求关键特征信息数据库；
11.s4，利用logistic回归算法，训练园区产业招商的需求关键特征信息数据与高价值专利关键特征信息数据，并建立计算融合模型；
12.s5，通过计算融合模型，对提出具体产业招商需求的园区，进行线索推导和预测，得到线索发现的区间与概率，生成线索预测分析和认知报告。
13.本发明通过上述方法，融合专利侵权数据，实现园区产业招商线索发现的预测分
析和智能识别，提升招商线索发现的效率。
14.在以上技术方案的基础上，优选的，步骤s2具体包括：
15.所述高价值专利关键特征信息包括但不限于专利类型、专利申请号、专利名称、专利申请日、专利申请人、无效请求人、专利权人、原告、被告、决定结果和/或判决结果；对于无效决定，包括全部有效、部分无效、全部无效；对于判决结果，包括侵权成立、侵权不成立。
16.在以上技术方案的基础上，优选的，步骤s3具体包括：
17.所述需求关键特征信息包括但不限于招商项目的技术方向、人才方向、技术要求、技术价值、技术效应。
18.在以上技术方案的基础上，优选的，步骤s4中，logistic回归算法具体包括：
19.所述logistic回归算法为：
[0020][0021]
其中，p(y＝1|x)为事件发生概率，x为园区产业招商的需求特征信息数据，y为高价值专利关键特征信息数据，π(x)为y取1的概率，g(x)＝w0 w1x1
…
wnxn，w代表分类器参数，为固定值，n代表产业招商园区的具体需求的特征信息数量。
[0022]
在以上技术方案的基础上，优选的，步骤s4中，所述计算融合模型具体包括：
[0023]
引入多元logistic回归算法，使用多个二元logistic回归模型描述各类与参考分类相比各因素的作用，多元logistic回归模型构成计算融合模型。
[0024]
在以上技术方案的基础上，优选的，多元logistic回归模型构成计算融合模型具体包括：
[0025]
设观测样本有m个，观测值分别为y1，y2，
…
ym，设pi＝p(yi＝1|xi)，i＝1，2，
…
，m为给定条件下得到yi＝1的概率，则yi＝0的概率为p(yi＝0|xi)＝1-pi，从而得到一个观测值的概率为
[0026]
根据各个观测样本之间相互独立的特点，则所述观测样本的联合分布为个边缘分布的乘积，得到似然函数为
[0027][0028]
求得使所述似然函数的值最大的参数估计，即求出参数w0，w1，w2…
，wn使得l(w)取得最大值，对l(w)取对数得到
[0029][0030]
对连续n 1个wn分别求偏导，得到n 1个方程，通过求解n 1个方程形成的方程组描述各类与参考分类相比各因素的作用，构成计算融合模型。
[0031]
本发明通过上述方法，使用多个二元logistic回归模型构成计算融合模型，用以进行招商线索计算，能够从多个方面多方面对需求特征信息按照专利关键特征信息进行分类。
[0032]
本发明第二方面，公开一种融合专利数据的招商线索发现系统，所述系统包括：
[0033]
数据采集模块：用于采集专利信息，所述专利信息包括：各类知识产权保护平台上发布的侵权纠纷案件、法院公开的专利侵权诉讼案件以及各级专利行政管理机关处理的专利侵权纠纷案件数据；采集园区产业招商的条件和要求数据；
[0034]
预处理模块：用于对多来源、多维度的所述专利信息进行预处理，提取专利无效决定书或专利侵权诉讼案件判决书、行政处罚书的关键信息，得到高价值专利关键特征信息，生成高价值专利关键特征信息数据库；对所述园区产业招商的条件和要求数据进行预处理，提取产业园区项目招商线索评估的基本标准和标准范围，得到需求关键特征信息，建立园区产业招商的需求关键特征信息数据库；
[0035]
融合模型模块：用于利用logistic回归算法，训练园区产业招商的需求关键特征信息数据与高价值专利关键特征信息数据，并建立计算融合模型；
[0036]
线索发现模块：用于通过计算融合模型，对提出具体产业招商需求的园区，进行线索推导和预测，得到线索发现的区间与概率，生成线索预测分析和认知报告。
[0037]
本发明第三方面，公开一种电子设备，所述设备包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种融合专利数据的招商线索发现方法程序，一种融合专利数据的招商线索发现方法程序配置为实现如本发明第一方面所述的一种融合专利数据的招商线索发现方法。
[0038]
本发明第四方面，公开一种计算机可读存储介质，所述存储介质上存储有一种融合专利数据的招商线索发现方法程序，所述一种融合专利数据的招商线索发现方法程序被执行时实现如本发明第一方面所述的一种融合专利数据的招商线索发现方法。
[0039]
本发明的一种融合专利数据的招商线索发现方法相对于现有技术具有以下有益效果：
[0040]
(1)通过挖掘处理海量侵权纠纷案件，识别和获取高价值专利信息，并与招商引资的需求进行精确匹配计算，实现招商线索的快速精准发现；
[0041]
(2)通过使用多个二元logistic回归模型构成计算融合模型，用以进行招商线索计算，能够从多个方面多方面对需求特征信息按照专利关键特征信息进行分类。
附图说明
[0042]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]
图1为本发明一种融合专利数据的招商线索发现方法工作流程图。
具体实施方式
[0044]
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0045]
实施例
[0046]
本发明一种融合专利数据的招商线索发现方法工作流程见图1，处理步骤说明如下：
[0047]
第一步，采集专利信息，所述专利信息包括：各类知识产权保护平台上发布的侵权纠纷案件、近些年来法院公开的专利侵权诉讼案件以及各级专利行政管理机关处理的专利侵权纠纷案件等数据；转第二步。
[0048]
第二步，对多来源、多维度的所述专利信息进行预处理，提取专利无效决定书或专利侵权诉讼案件判决书、行政处罚书的关键信息，得到高价值专利关键特征信息，生成高价值专利关键特征信息数据库；转第三步。
[0049]
应当理解的是，在上述方案的基础上，所述高价值专利关键特征信息包括但不限于专利类型、专利申请号、专利名称、专利申请日、专利申请人、无效请求人、专利权人、原告、被告、决定结果和/或判决结果；对于无效决定，包括全部有效、部分无效、全部无效；对于判决结果，包括侵权成立、侵权不成立。
[0050]
第三步，采集园区产业招商的条件和要求数据并进行预处理，提取产业园区项目招商线索评估的基本标准和标准范围，得到需求关键特征信息，建立园区产业招商的需求关键特征信息数据库；转第四步。
[0051]
应当理解的是，在上述方案的基础上，所述需求关键特征信息包括但不限于招商项目的技术方向(即专利发明的类型)、人才方向(即专利发明人身份)、技术要求(专利发明的要点)、技术价值(即高价值专利)、技术效应(即专利地位)等。
[0052]
第四步，利用logistic回归算法，训练园区产业招商的需求关键特征信息数据与高价值专利关键特征信息数据，并建立计算融合模型；转第五步。
[0053]
应当理解的是，在上述方案的基础上，所述logistic回归算法为：
[0054][0055]
其中，p(y＝1|x)为事件发生概率，x为园区产业招商的需求特征信息数据，y为高价值专利关键特征信息数据，π(x)为y取1即事件y发生的概率，g(x)＝w0 w1x1
…
wnxn，w代表分类器参数，为固定值，n代表产业招商园区的具体需求的特征信息数量。
[0056]
应当理解的是，在上述方案的基础上，本实施中，考虑到不同的园区、不同产业特点、不同发展阶段、不同营商环境以及不同招商需求等因素可能对招商线索发现的影响，因此这里引入了多元logistic回归算法。多元logistic回归实际就是多个二元logistic回归模型描述各类与参考分类相比各因素的作用。
[0057]
考虑具有n个独立变量的向量x＝(x1，x2，
…
xn)，设条件概率p(y＝1|x)＝p为根据观测量相对于事件x发生的概率，那么二元logistic回归模型可以表示为：
[0058][0059]
这里为logistic函数，g(x)＝w0 w1x1
…
wnxn，w代表分类器参数。
[0060]
那么在x条件下y不发生的概率，
由此可知事件y发生与不发生的概率之比为：由此可知事件y发生与不发生的概率之比为：这个比值称为事件的发生比，对发生比取对数得到：这个比值称为事件的发生比，对发生比取对数得到：可以看出logistic回归都是围绕一个logistic函数来展开的。
[0061]
应当理解的是，在上述方案的基础上，多元logistic回归模型构成计算融合模型具体包括：
[0062]
设观测样本有m个，观测值分别为y1，y2，
…
ym，设pi＝p(yi＝1|xi)，i＝1，2，
…
，m为给定条件下得到yi＝1的概率，则yi＝0的概率为p(yi＝0|xi)＝1-pi，从而得到一个观测值的概率为
[0063]
根据各个观测样本之间相互独立的特点，则所述观测样本的联合分布为个边缘分布的乘积，得到似然函数为
[0064][0065]
求出使所述似然函数的值最大的参数估计(最大似然估计)，最大似然估计就是求出参数w0，w1，w2…
，wn使得l(w)取得最大值，对l(w)取对数得到
[0066][0067]
对连续n 1个wn分别求偏导，得到n 1个方程，即现在的问题转化为解这个方程形成的方程组，通过求解n 1个方程形成的方程组描述各类与参考分类相比各因素的作用，构成计算融合模型。
[0068]
第五步，通过计算融合模型，对提出具体产业招商需求的园区，进行线索推导和预测，得到线索发现的区间与概率，生成线索预测分析和认知报告，实现招商线索的精准快速发现，赋能园区招商引资。
[0069]
本发明还公开一种融合专利数据的招商线索发现系统，所述系统包括：
[0070]
数据采集模块：用于采集专利信息，所述专利信息包括：各类知识产权保护平台上发布的侵权纠纷案件、法院公开的专利侵权诉讼案件以及各级专利行政管理机关处理的专利侵权纠纷案件数据；采集园区产业招商的条件和要求数据；
[0071]
预处理模块：用于对多来源、多维度的所述专利信息进行预处理，提取专利无效决定书或专利侵权诉讼案件判决书、行政处罚书的关键信息，得到高价值专利关键特征信息，生成高价值专利关键特征信息数据库；对所述园区产业招商的条件和要求数据进行预处理，提取产业园区项目招商线索评估的基本标准和标准范围，得到需求关键特征信息，建立园区产业招商的需求关键特征信息数据库；
[0072]
融合模型模块：用于利用logistic回归算法，训练园区产业招商的需求关键特征信息数据与高价值专利关键特征信息数据，并建立计算融合模型；
[0073]
线索发现模块：用于通过计算融合模型，对提出具体产业招商需求的园区，进行线
索推导和预测，得到线索发现的区间与概率，生成线索预测分析和认知报告。
[0074]
本发明还公开一种电子设备，所述设备包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种融合专利数据的招商线索发现方法程序，一种融合专利数据的招商线索发现方法程序配置为实现如本发明实施例所述的一种融合专利数据的招商线索发现方法。
[0075]
本发明还公开一种计算机可读存储介质，所述存储介质上存储有一种融合专利数据的招商线索发现方法程序，所述一种融合专利数据的招商线索发现方法程序被执行时实现如本发明实施例所述的一种融合专利数据的招商线索发现方法。
[0076]
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。