一种基于深度学习的专利价值动态评估方法与流程

技术特征：
1.一种基于深度学习的专利价值动态评估方法，其特征在于，方法具体包括：步骤s1，获取若干个公告专利的专利基础数据，对若干个公告专利进行基础价值评估，得到若干个公告专利的基础评估价值；步骤s2，对公告专利进行动态价值评估，依据分类号获取公告专利对应的专利动态数据，分析得到公告专利的动态评估价值；步骤s3，对基础评估价值和动态评估价值进行分析，构建公告专利的深度学习评估模型，将当前专利导入深度学习评估模型，深度学习评估模型依据分类号反馈当前专利的专利评估结果；步骤s4，将专利评估结果录入深度学习评估模型，深度学习评估模型记录专利评估结果进行学习。2.根据权利要求1所述的一种基于深度学习的专利价值动态评估方法，其特征在于，专利基础数据具体为专利的权项数、实施例数、专利申请日、专利授权日和专利分类号；专利动态数据为专利数据库中前一个月每天同类专利的交易量、前一个月每天中每件已交易同类专利的交易价格、前一个月每天中待转让同类专利的数量以及每件待转让同类专利的转让价格、询价次数、浏览量和下载量。3.根据权利要求2所述的一种基于深度学习的专利价值动态评估方法，其特征在于，在步骤s1中，所述基础评估价值的计算过程具体如下：获取公告专利的专利基础数据，得到公告专利的权项数、实施例数、专利申请日和专利授权日；通过专利授权日减去专利申请日得到公告专利的审查时长，利用专利权有效期限减去审查时长得到公告专利的专利权剩余有效期限；利用当前时间减去专利授权日得到公告专利的授权时长；授权时长比对时长区间，得到公告专利的基础评估系数；计算公告专利的基础评估价值；其中，公告专利的权项数、实施例数、专利权剩余有效期限和基础评估系数均与公告专利的基础评估价值成正比，即权项数、实施例数、专利权剩余有效期限和基础评估系数的数值越大，则基础评估价值的数值越大。4.根据权利要求3所述的一种基于深度学习的专利价值动态评估方法，其特征在于，所述基础评估系数的获取过程具体为：若授权时长属于第一时长区间，则公告专利的基础评估系数的取值为α1；若授权时长属于第二时长区间，则公告专利的基础评估系数的取值为α2；若授权时长属于第三时长区间，则公告专利的基础评估系数的取值为α3；其中，时长区间包括第一时长区间、第二时长区间和第三时长区间，第一时长区间的上限值小于第二时长区间的下限值，第二时长区间的上限值小于第三时长区间的下限值，α1、α2和α3均为固定数值的正整数，且0＜α1＜α2＜α3。5.根据权利要求2所述的一种基于深度学习的专利价值动态评估方法，其特征在于，在步骤s2中，所述动态评估价值的计算过程具体如下：获取同类专利的动态体量值和动态活跃值；计算同类专利的动态评估价值。
6.根据权利要求5所述的一种基于深度学习的专利价值动态评估方法，其特征在于，所述动态体量值的计算过程具体为：获取前一个月每天同类专利的交易量，将前一个月每天同类专利的交易量相加求和得到同类专利的月交易量；而后获取前一个月每天中每件已交易同类专利的交易价格，将前一个月每天中每件已交易同类专利的交易价格相加求和得到前一个月每天已交易同类专利的交易价格，将前一个月每天已交易同类专利的交易价格相加求和后除以月交易量得到同类专利的月交易均价；采用与月交易均价相同的计算方式，计算待转让同类专利的月转让均价；同时，获取前一个月每天中每件待转让同类专利的询价次数、浏览量和下载量，将前一个月每天中待转让同类专利的询价次数相加求和得到待转让同类专利的月询价次数；采用与月询价次数相同的计算方式，计算待转让同类专利的月浏览量和月下载量；计算同类专利的动态体量值。7.根据权利要求6所述的一种基于深度学习的专利价值动态评估方法，其特征在于，所述动态活跃值的计算过程具体为：分别以时间为x轴和同类专利前一个月每天的交易量为y轴，构建得到同类专利的交易量折线图；对同类专利的交易量折线图进行分析，得到交易量折线图中同类专利交易量的交易阶段，交易阶段包括平稳阶段、提升阶段和下降阶段；统计交易量折线图中同类专利交易量的平稳阶段、提升阶段和下降阶段的数量，分别记为平稳阶段数、提升阶段数和下降阶段数；提升阶段数比对交易阶段的总数量得到交易量折线图中同类专利的交易量提升占比；将前一个月每天中每件已交易同类专利的交易价格相加求和得到前一个月已交易同类专利的日交易价格，将前一个月已交易同类专利的日交易价格除以前一个月每天同类专利的交易量得到前一个月同类专利的日交易均价；采用与日交易均价相同的计算方式，计算得到前一个月待转让同类专利的日转让均价、日询价次数、日浏览量和日下载量；以时间作为x轴，以日交易均价、日转让均价、日询价次数、日浏览量和日下载量作为y轴，构建得到已交易同类专利的交易价格折线图、待转让同类专利的转让价格折线图、询价次数折线图、浏览量折线图和下载量折线图；按照以上步骤，得到交易价格折线图中已交易同类专利的交易价格提升占比，转让价格折线图中待转让同类专利的转让价格提升占比、询价次数折线图中待转让同类专利的询价次数提升占比、浏览量折线图中待转让同类专利的浏览量提升占比、下载量折线图中待转让同类专利的下载量提升占比；计算同类专利的动态活跃值。8.根据权利要求1所述的一种基于深度学习的专利价值动态评估方法，其特征在于，在步骤s3中，所述深度学习评估模型的构建过程具体为：获取公告专利的基础评估价值和同类专利的动态评估价值；依据动态评估价值的计算过程映射得到公告专利的动态评估价值；
遍历比对所有公告专利的基础评估价值，得到公告专利的最小基础评估价值和最大基础评估价值，最小基础评估价值和最大基础评估价值构成公告专利的基础评估价值区间；同理，得到公告专利的最小动态评估价值和最大动态评估价值，最小动态评估价值和最大动态评估价值构成公告专利的动态评估价值区间；将基础评估价值区间和动态评估价值区间进行整合打包为公开专利的深度学习评估模型。9.一种计算机设备，其特征在于，包括存储器，所述存储器存储有计算机程序，当所述计算机程序被处理器执行时，实现权利要求1-8中任一所述的基于深度学习的专利价值动态评估方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的基于深度学习的专利价值动态评估方法。

技术总结
本发明提供一种基于深度学习的专利价值动态评估方法，涉及价值评估技术领域，解决专利评估的效率较低，评估的价值也不够准确，随意性太强等问题，方法为：对若干个公告专利进行基础价值评估，得到若干个公告专利的基础评估价值；对公告专利进行动态价值评估，依据分类号获取公告专利对应的专利动态数据，得到公告专利的动态评估价值；构建公告专利的深度学习评估模型，将当前专利导入深度学习评估模型，深度学习评估模型依据分类号反馈当前专利的专利评估结果；本发明实现对专利价值的全面评估和准确评估。评估和准确评估。评估和准确评估。


技术研发人员：戚湧 高盼军 郭青 李星
受保护的技术使用者：江苏社汇通智能科技有限公司
技术研发日：2023.06.01
技术公布日：2023/9/8