高校專利許可/轉(zhuǎn)讓價(jià)值評(píng)估模型構(gòu)建
——從價(jià)值識(shí)別到價(jià)格預(yù)估*

宋 凱，冉從敬

0 引言

知識(shí)經(jīng)濟(jì)時(shí)代下，具備技術(shù)、經(jīng)濟(jì)、法律屬性的專利在區(qū)域產(chǎn)業(yè)和企業(yè)發(fā)展中發(fā)揮著重要作用，發(fā)展知識(shí)產(chǎn)權(quán)是贏得新一輪生產(chǎn)力布局調(diào)整主動(dòng)權(quán)的重要路徑。高校集聚大批具有重要應(yīng)用價(jià)值的專利資源，能夠?yàn)閲?guó)家科技發(fā)展和企業(yè)技術(shù)創(chuàng)新提供重要支持。因此，企業(yè)通過(guò)與高校開(kāi)展專利許可或?qū)＠D(zhuǎn)讓，將極大提升技術(shù)創(chuàng)造效率。近年我國(guó)高校院所產(chǎn)學(xué)研合作助力創(chuàng)新驅(qū)動(dòng)發(fā)展的能力持續(xù)提升，2018年3，200家高校院所簽訂技術(shù)轉(zhuǎn)讓(包括轉(zhuǎn)讓、許可、作價(jià)入股)、技術(shù)開(kāi)發(fā)、技術(shù)咨詢、技術(shù)服務(wù)合同總金額達(dá)930.8億元[1]。與此同時(shí)，高校專利產(chǎn)業(yè)化率3.7%、許可率2.9%、轉(zhuǎn)讓率3.2%[2]，說(shuō)明仍有大量專利成果束之高閣，專利應(yīng)用比例偏低，導(dǎo)致大量科技浪費(fèi)與閑置?？萍汲晒u(píng)價(jià)體系缺位、缺少科技成果評(píng)價(jià)標(biāo)準(zhǔn)是當(dāng)前高校專利技術(shù)轉(zhuǎn)移面臨的關(guān)鍵問(wèn)題之一。2020年11月習(xí)近平總書(shū)記在中央政治局第25次集體學(xué)習(xí)會(huì)議中指出要健全知識(shí)產(chǎn)權(quán)評(píng)估體系，研究制定防止知識(shí)產(chǎn)權(quán)濫用相關(guān)制度[3]。探索高校專利價(jià)值評(píng)估方法，一方面能夠幫助企業(yè)快速鎖定高校高價(jià)值度專利，另一方面也幫助高校提升專利價(jià)值評(píng)估效率。專利評(píng)估的本質(zhì)是對(duì)專利隱含的技術(shù)、法律、經(jīng)濟(jì)價(jià)值進(jìn)行評(píng)估[4]，國(guó)內(nèi)外學(xué)者也從多個(gè)角度對(duì)專利價(jià)值評(píng)估方法展開(kāi)了研究。

首先，從定量分析視角出發(fā)，通過(guò)構(gòu)建評(píng)估指標(biāo)體系進(jìn)行專利價(jià)值評(píng)估。國(guó)外學(xué)者如Grimaldi等從專利的內(nèi)在屬性和外在屬性兩個(gè)方面，對(duì)專利價(jià)值指標(biāo)進(jìn)行了系統(tǒng)整合[5]。Martinez-Ruiz等提出了一個(gè)結(jié)構(gòu)方程模型，將決定專利價(jià)值的技術(shù)范圍、保護(hù)范圍、技術(shù)可用性等專利指標(biāo)進(jìn)行了系統(tǒng)關(guān)聯(lián)[6]。Chai等以LED領(lǐng)域?yàn)槔?，從網(wǎng)絡(luò)特征的角度探索了影響專利價(jià)值的指標(biāo)因素[7]。國(guó)內(nèi)學(xué)者如劉勤等從專利特征、發(fā)明人特征以及權(quán)利人特征3個(gè)維度，形成了專利價(jià)值評(píng)估模型[8]。胡小君等引入專利結(jié)構(gòu)指標(biāo)，形成了基于專利結(jié)構(gòu)化數(shù)據(jù)的專利價(jià)值評(píng)估指標(biāo)體系[9]。李小童等選取已被市場(chǎng)檢驗(yàn)的代表性高價(jià)值專利，提取并歸納其主要特征，形成了高價(jià)值專利的判定方法[10]。

其次，從機(jī)器學(xué)習(xí)視角出發(fā)，借助機(jī)器智能實(shí)現(xiàn)自動(dòng)化的專利價(jià)值評(píng)估。國(guó)外學(xué)者如Woo等從技術(shù)性、權(quán)利性和可用性3個(gè)角度出發(fā)對(duì)專利價(jià)值進(jìn)行了劃分，并進(jìn)一步采用貝葉斯結(jié)構(gòu)方程模型對(duì)專利價(jià)值進(jìn)行了評(píng)估[11]。Choi等提出了一種評(píng)估單個(gè)專利商業(yè)潛力的方法，通過(guò)應(yīng)用機(jī)器學(xué)習(xí)算法預(yù)測(cè)專利存活到保護(hù)期限截止的概率[12]。Chung等提出了一個(gè)基于深度學(xué)習(xí)的專利等級(jí)評(píng)估模型，并對(duì)半導(dǎo)體領(lǐng)域的專利進(jìn)行了價(jià)值識(shí)別[13]。國(guó)內(nèi)學(xué)者如韓盟等基于貝葉斯理論和組合賦權(quán)法，提出了高?？赊D(zhuǎn)移專利識(shí)別方法[14]。資智洪等提出了用于專利價(jià)值的二元分類評(píng)估方法[15]。王思培等構(gòu)建了基于隨機(jī)森林算法的潛在高價(jià)值專利預(yù)測(cè)模型[16]。

此外，也存在多種實(shí)踐方法對(duì)專利交易價(jià)格進(jìn)行預(yù)估。一是為市場(chǎng)法，在評(píng)估過(guò)程中尋找市場(chǎng)上相近專利的成交價(jià)格，通過(guò)對(duì)比確定待評(píng)估專利的價(jià)格。但此方法對(duì)知識(shí)產(chǎn)權(quán)交易市場(chǎng)的完善程度要求較高，需要較為全面的知識(shí)產(chǎn)權(quán)交易數(shù)據(jù)。二是收益法，涵蓋貼現(xiàn)現(xiàn)金流量法(DCF)、內(nèi)部收益率法(IRR)、CAPM模型和EVA估價(jià)法等，通過(guò)對(duì)專利的預(yù)期收益進(jìn)行預(yù)測(cè)來(lái)估計(jì)專利價(jià)格，更加注重專利的實(shí)施效果。第三種為成本法，即根據(jù)專利的投入成本估計(jì)專利市場(chǎng)價(jià)格，但投入成本與專利自身價(jià)值存在弱對(duì)應(yīng)性，研發(fā)專利的成本有時(shí)并不能真實(shí)反映專利市場(chǎng)價(jià)值，尤其是技術(shù)尚處于早期研發(fā)階段，其結(jié)果具有強(qiáng)烈的不確定因素，如疫苗研制、藥物研發(fā)。

已有研究主要從定量分析視角和機(jī)器學(xué)習(xí)視角，通過(guò)專利價(jià)值評(píng)估指標(biāo)體系構(gòu)建或應(yīng)用機(jī)器學(xué)習(xí)算法進(jìn)行專利價(jià)值評(píng)估，但存在評(píng)估效率低，缺乏人工干預(yù)等不足。此外，已有實(shí)踐中應(yīng)用的專利價(jià)格評(píng)估方法，操作復(fù)雜度較高，對(duì)參考數(shù)據(jù)依賴性較強(qiáng)，實(shí)用性較差。因此，本文結(jié)合已有研究，構(gòu)建了一個(gè)高校專利價(jià)值評(píng)估模型，該模型具有兩大核心功能：其一是價(jià)值識(shí)別，采用人工評(píng)價(jià)與機(jī)器學(xué)習(xí)相結(jié)合的混合方法，識(shí)別高校專利的許可/轉(zhuǎn)讓價(jià)值和失效風(fēng)險(xiǎn)；其二是價(jià)格預(yù)估，通過(guò)構(gòu)建高校專利市場(chǎng)價(jià)格預(yù)估方法，對(duì)存在許可/轉(zhuǎn)讓價(jià)值的專利進(jìn)行市場(chǎng)價(jià)格預(yù)估。此模型能夠較為全面地展現(xiàn)高校專利價(jià)值，提升高校專利向企業(yè)的技術(shù)轉(zhuǎn)移效率，推動(dòng)校企之間的協(xié)同創(chuàng)新發(fā)展。

1 高校專利價(jià)值評(píng)估模型應(yīng)用方法

(1)熵權(quán)TOPSIS模型。對(duì)高校中未發(fā)生許可/轉(zhuǎn)讓的專利進(jìn)行價(jià)值評(píng)估，識(shí)別出具有許可/轉(zhuǎn)讓價(jià)值和存在失效風(fēng)險(xiǎn)的專利，選用熵權(quán)TOPSIS模型進(jìn)行計(jì)算。Hw ang等人在1981年提出TOPSIS法，又將其稱為逼近理想解的排序方法[17]。TOPSIS法是通過(guò)計(jì)算各個(gè)指標(biāo)的正、負(fù)理想解，建立評(píng)估指標(biāo)與正、負(fù)理想解相對(duì)距離的二維數(shù)據(jù)空間，在此基礎(chǔ)上確定最優(yōu)方案[18]。但TOPSIS法不能反映變量之間的相關(guān)重要程度，因此，通常將熵權(quán)法與TOPSIS法結(jié)合，形成熵權(quán)TOPSIS模型，在客觀確定指標(biāo)相對(duì)權(quán)重的基礎(chǔ)上，實(shí)現(xiàn)對(duì)多屬性問(wèn)題的排序選擇，保證結(jié)果的科學(xué)性和合理性[19]。

(2)梯度提升樹(shù)算法。在人工評(píng)估的基礎(chǔ)上，本文采用機(jī)器學(xué)習(xí)中的梯度提升樹(shù)算法對(duì)高校專利的許可/轉(zhuǎn)讓價(jià)值進(jìn)行識(shí)別。提升Boosting法是一種應(yīng)用廣泛且有效的集成學(xué)習(xí)方法，它基于PAC框架下強(qiáng)可學(xué)習(xí)和弱可學(xué)習(xí)的關(guān)系，根據(jù)分類誤差率改變數(shù)據(jù)集的權(quán)值分布來(lái)學(xué)習(xí)多個(gè)基分類器，通過(guò)基分類器的線性組合構(gòu)建最終分類器。提升樹(shù)是以決策樹(shù)為基函數(shù)的提升方法，為解決提升樹(shù)在一般損失函數(shù)上的性能問(wèn)題，F(xiàn)reidman進(jìn)一步提出了梯度提升樹(shù)，保證了梯度提升樹(shù)算法具備強(qiáng)大的處理混合類型數(shù)據(jù)和模擬復(fù)雜功能的能力[20]。本文在使用梯度提升樹(shù)算法進(jìn)行高校專利價(jià)值評(píng)估時(shí)，需要進(jìn)行超參數(shù)優(yōu)化以獲取最優(yōu)模型，參數(shù)組合中涉及的重要參數(shù)有：①學(xué)習(xí)率learning_rate，表示每個(gè)弱學(xué)習(xí)器的學(xué)習(xí)率，防止模型過(guò)擬合，取值在0→1之間；②子采樣比例subsample，取值在0→1之間，取值小于1有利于減少方差，防止過(guò)擬合；③最大深度max_depth，控制每棵樹(shù)對(duì)數(shù)據(jù)集處理的專門(mén)化程度，具體取值需要根據(jù)數(shù)據(jù)的分布情況；④最大迭代次數(shù)n_estimators，表示弱學(xué)習(xí)器的最大迭代次數(shù)，取值太小或太大都容易過(guò)擬合[21]。在模型評(píng)估方面，采用AUC值衡量模型預(yù)測(cè)性能，AUC值越大，表示模型性能越好[22]。

(3)曲線擬合方法。識(shí)別出高校中具有許可/轉(zhuǎn)讓價(jià)值的專利后，需要進(jìn)一步對(duì)專利的市場(chǎng)價(jià)格進(jìn)行預(yù)估，在此過(guò)程中需要確定專利綜合價(jià)值度與專利訴訟判賠額度之間的關(guān)系，此處采用曲線擬合的方法實(shí)現(xiàn)。在科學(xué)實(shí)驗(yàn)過(guò)程中，通過(guò)實(shí)驗(yàn)或觀測(cè)得到一組數(shù)據(jù)對(duì)(xi，yi)，往往希望用一條連續(xù)曲線近似地刻畫(huà)離散點(diǎn)組所表示的坐標(biāo)之間的函數(shù)關(guān)系，常用的擬合函數(shù)有指數(shù)函數(shù)、對(duì)數(shù)函數(shù)、冪函數(shù)等。此外，衡量擬合優(yōu)度的標(biāo)準(zhǔn)有很多，通常采用的是決定系數(shù)R2，它表征了方程對(duì)觀測(cè)值的擬合程度，R2的值越接近1，說(shuō)明擬合曲線對(duì)觀測(cè)值的擬合程度越好[23]。

2 高校專利價(jià)值評(píng)估模型構(gòu)建

高校專利價(jià)值評(píng)估模型具體分析流程見(jiàn)圖1。

圖1 高校專利價(jià)值評(píng)估模型

2.1 高校專利價(jià)值評(píng)估指標(biāo)選取

評(píng)估指標(biāo)選取是高校專利價(jià)值識(shí)別的基礎(chǔ)。本文在參考前人研究成果的基礎(chǔ)上[24-27]，結(jié)合佰騰專利價(jià)值評(píng)估體系，從3個(gè)維度出發(fā)，選取了13個(gè)指標(biāo)，見(jiàn)表1。分析表1發(fā)現(xiàn)，技術(shù)維度涵蓋專利頁(yè)數(shù)、IPC分類數(shù)、發(fā)明人數(shù)量、引證次數(shù)、家族引證次數(shù)、被引證次數(shù)、家族被引證次數(shù)、合享價(jià)值度8個(gè)指標(biāo)，其中專利頁(yè)數(shù)反映專利撰寫(xiě)質(zhì)量，IPC分類數(shù)反映專利覆蓋的技術(shù)領(lǐng)域，發(fā)明人數(shù)量反映研究團(tuán)隊(duì)規(guī)模，引證次數(shù)和家族引證次數(shù)反映技術(shù)基礎(chǔ)扎實(shí)程度，而被引證次數(shù)、家族被引證次數(shù)、合享價(jià)值度反映技術(shù)影響力。經(jīng)濟(jì)維度涵蓋申請(qǐng)人數(shù)量、簡(jiǎn)單同族個(gè)數(shù)、擴(kuò)展同族個(gè)數(shù)3個(gè)指標(biāo)，申請(qǐng)人數(shù)量反映技術(shù)合作程度，簡(jiǎn)單同族個(gè)數(shù)和擴(kuò)展同族個(gè)數(shù)反映了申請(qǐng)人對(duì)專利技術(shù)的市場(chǎng)前景、產(chǎn)品競(jìng)爭(zhēng)、戰(zhàn)略布局的重視程度。法律維度涵蓋權(quán)利要求數(shù)量、首權(quán)字?jǐn)?shù)2個(gè)指標(biāo)，均反映對(duì)技術(shù)的保護(hù)范圍。需要說(shuō)明的是，在已有評(píng)價(jià)方法中，法律維度會(huì)將專利審查時(shí)間融入，通過(guò)網(wǎng)絡(luò)調(diào)研以及與業(yè)內(nèi)專家進(jìn)行交流，專利審查時(shí)間受多種因素影響，與專利法律價(jià)值度相關(guān)性較弱，因此本文并沒(méi)有將其納入評(píng)估指標(biāo)體系。綜上分析，這13個(gè)評(píng)估指標(biāo)能夠較為全面反映專利特征，將在后續(xù)應(yīng)用于對(duì)高校專利許可/轉(zhuǎn)讓價(jià)值進(jìn)行評(píng)估以及對(duì)市場(chǎng)價(jià)格進(jìn)行預(yù)估。

表1 專利評(píng)估指標(biāo)匯總表

2.2 基于人工方式的專利價(jià)值識(shí)別

依據(jù)選取的評(píng)估指標(biāo)展開(kāi)檢索形成專利數(shù)據(jù)集合，首先對(duì)專利數(shù)據(jù)集合進(jìn)行劃分，其中對(duì)比集包含高校中已發(fā)生許可/轉(zhuǎn)讓的專利和權(quán)利已失效的專利，評(píng)估集包含高校權(quán)利有效但未發(fā)生許可/轉(zhuǎn)讓的專利；然后，參考熵權(quán)TOPSIS模型的計(jì)算流程[28]，計(jì)算每件專利的相對(duì)接近度Di；在此基礎(chǔ)上，計(jì)算對(duì)比集中已發(fā)生許可/轉(zhuǎn)讓專利和權(quán)利已失效專利的平均相對(duì)接近度Di_avg_transfer和Di_avg_invalid；最后，對(duì)評(píng)估集重復(fù)上述過(guò)程，將相對(duì)接近度大于Di_avg_transfer的作為具備許可/轉(zhuǎn)讓價(jià)值的專利，將相對(duì)接近度小于Di_avg_invalid的作為存在失效風(fēng)險(xiǎn)的專利。

2.3 基于機(jī)器學(xué)習(xí)的專利價(jià)值識(shí)別

在人工評(píng)估基礎(chǔ)上，應(yīng)用機(jī)器學(xué)習(xí)中的梯度提升樹(shù)算法對(duì)高校專利的許可/轉(zhuǎn)讓價(jià)值進(jìn)行識(shí)別。首先將高校中已許可/轉(zhuǎn)讓專利和權(quán)利已失效專利進(jìn)行融合，通過(guò)比例分割，形成訓(xùn)練集和驗(yàn)證集；然后，采用訓(xùn)練集對(duì)梯度提升樹(shù)算法進(jìn)行訓(xùn)練，通過(guò)調(diào)整關(guān)鍵參數(shù)，以準(zhǔn)確率作為判別模型性能優(yōu)劣的標(biāo)準(zhǔn)；進(jìn)而采用驗(yàn)證集對(duì)模型性能進(jìn)行檢驗(yàn)，結(jié)合AUC值對(duì)模型預(yù)測(cè)性能進(jìn)行評(píng)估；最后，將高校未發(fā)生許可/轉(zhuǎn)讓的專利形成預(yù)測(cè)集，并采用評(píng)估模型對(duì)其進(jìn)行價(jià)值識(shí)別。

2.4 基于混合方法的專利價(jià)值識(shí)別

通過(guò)上述兩種方法，分別以人工評(píng)估和機(jī)器學(xué)習(xí)評(píng)估獲得高校未發(fā)生許可/轉(zhuǎn)讓專利中存在許可/轉(zhuǎn)讓價(jià)值和失效風(fēng)險(xiǎn)的專利集合。對(duì)二者進(jìn)行取交集操作，最終得到基于混合方法的高校專利許可/轉(zhuǎn)讓價(jià)值評(píng)估結(jié)果。此方法既充分發(fā)揮機(jī)器學(xué)習(xí)的優(yōu)勢(shì)，又通過(guò)人工評(píng)估對(duì)結(jié)果進(jìn)行了進(jìn)一步篩選，保證了評(píng)估結(jié)果的科學(xué)合理性。

2.5 存在許可/轉(zhuǎn)讓價(jià)值專利市場(chǎng)價(jià)格預(yù)估

通過(guò)基于混合方法的專利價(jià)值識(shí)別過(guò)程，能夠獲得存在許可/轉(zhuǎn)讓價(jià)值的高校專利，需要進(jìn)一步對(duì)高校專利的市場(chǎng)價(jià)格進(jìn)行預(yù)估，為校企之間的技術(shù)交易提供決策參考。具體過(guò)程如下：

(1)對(duì)基于混合方法識(shí)別的存在許可/轉(zhuǎn)讓價(jià)值的專利進(jìn)行匯總，形成高校存在許可/轉(zhuǎn)讓價(jià)值專利數(shù)據(jù)集。

(2)依據(jù)流程一的專利指標(biāo)維度劃分，對(duì)專利數(shù)據(jù)集進(jìn)行拆分，分別從技術(shù)維度、經(jīng)濟(jì)維度、法律維度計(jì)算技術(shù)價(jià)值度、經(jīng)濟(jì)價(jià)值度和法律價(jià)值度。計(jì)算公式如下：

Vi為第i個(gè)維度的專利價(jià)值計(jì)算，i=1→3，涵蓋技術(shù)價(jià)值度、經(jīng)濟(jì)價(jià)值度和法律價(jià)值度；m表示該維度中指標(biāo)的數(shù)量；xk為第k個(gè)指標(biāo)的log函數(shù)標(biāo)準(zhǔn)化后數(shù)值，為了避免指標(biāo)數(shù)值為0的情況，在具體計(jì)算過(guò)程中，對(duì)指標(biāo)數(shù)據(jù)作加1處理；wk表示xk對(duì)應(yīng)的權(quán)重，此處指標(biāo)的權(quán)重繼續(xù)沿用流程二中通過(guò)熵權(quán)法計(jì)算得到的評(píng)估指標(biāo)權(quán)重。

(3)計(jì)算專利綜合價(jià)值度。在專利價(jià)值評(píng)估過(guò)程中，三個(gè)維度的單項(xiàng)價(jià)值被視為同等重要，因此每個(gè)單項(xiàng)維度價(jià)值就不另外賦予權(quán)重，專利綜合價(jià)值度計(jì)算公式如下：

V1表示專利技術(shù)價(jià)值度，V2表示專利經(jīng)濟(jì)價(jià)值度，V3表示專利法律價(jià)值度。

(4)檢索技術(shù)領(lǐng)域內(nèi)發(fā)生訴訟且權(quán)利有效的專利，尋找出訴訟內(nèi)容里明確劃定判賠額度且額度較大的專利數(shù)據(jù)，將判賠額度作為對(duì)應(yīng)專利市場(chǎng)價(jià)格的映射。采取該策略的原因：當(dāng)企業(yè)提起專利訴訟時(shí)，其索賠的金額是綜合專利所涵蓋的技術(shù)價(jià)值、經(jīng)濟(jì)價(jià)值和法律價(jià)值，而法院的最終判決也是在綜合上述因素的基礎(chǔ)上作出的裁決結(jié)果，所以將專利訴訟的判賠金額作為專利的市場(chǎng)價(jià)格具備一定的科學(xué)性和合理性[29]。因此，對(duì)相關(guān)數(shù)據(jù)重復(fù)(2)(3)的步驟，計(jì)算專利綜合價(jià)值度，并基于專利綜合價(jià)值度和判賠額度進(jìn)行曲線擬合，根據(jù)R2值判斷擬合效果，形成擬合計(jì)算公式。

(5)依據(jù)擬合計(jì)算公式，對(duì)存在許可/轉(zhuǎn)讓價(jià)值的專利進(jìn)行市場(chǎng)價(jià)格預(yù)估，為企業(yè)和高校之間的技術(shù)交易提供決策參考。

3 實(shí)驗(yàn)評(píng)估

3.1 數(shù)據(jù)檢索與處理

本文數(shù)據(jù)來(lái)源于incoPat專利數(shù)據(jù)庫(kù)，選擇特定高校對(duì)評(píng)估模型進(jìn)行驗(yàn)證，為其他高校提供案例參考。評(píng)估高校選擇“青島大學(xué)”，檢索范圍為“中國(guó)發(fā)明授權(quán)專利”，申請(qǐng)人設(shè)置為“青島大學(xué)”，時(shí)間不限，檢索到權(quán)利有效的專利1，809件，其中權(quán)利有效且發(fā)生許可/轉(zhuǎn)讓的專利151件，權(quán)利失效的專利582件，權(quán)利有效但未發(fā)生許可/轉(zhuǎn)讓的專利1，076件。檢索時(shí)間為2021年5月12日。

3.2 基于人工方式的專利價(jià)值識(shí)別

按照熵權(quán)TOPSIS模型計(jì)算過(guò)程，首先構(gòu)建包含733件專利的對(duì)比集；然后計(jì)算13個(gè)指標(biāo)的權(quán)重，結(jié)果為：w={0.016，0.035，0.020，0.083，0.038，0.556，0.126，0.012，0.005，0.002，0.003，0.046，0.059}；進(jìn)一步，通過(guò)對(duì)比集獲得每件專利的相對(duì)接近度，并進(jìn)一步獲得許可/轉(zhuǎn)讓專利和權(quán)利已失效專利的平均相對(duì)接近度分別為0.077、0.072。在此基礎(chǔ)上，對(duì)包含1，076件專利的評(píng)估集進(jìn)行計(jì)算，統(tǒng)計(jì)專利相對(duì)接近度大于0.077的專利有58件，相對(duì)接近度小于0.072的專利有1，001件。

3.3 基于機(jī)器學(xué)習(xí)的專利價(jià)值識(shí)別

按照梯度提升樹(shù)算法的實(shí)驗(yàn)過(guò)程，首先依托Python的Scikit-learn庫(kù)，按照標(biāo)準(zhǔn)比例構(gòu)建模型訓(xùn)練集和驗(yàn)證集，通過(guò)劃分得到訓(xùn)練集包含專利數(shù)據(jù)586條，驗(yàn)證集包含專利數(shù)據(jù)147條，當(dāng)專利發(fā)生許可/轉(zhuǎn)讓，則標(biāo)簽設(shè)置為1，權(quán)利失效專利的標(biāo)簽設(shè)置為0。然后采用訓(xùn)練集對(duì)梯度提升樹(shù)模型進(jìn)行訓(xùn)練，通過(guò)參數(shù)調(diào)優(yōu)，當(dāng)n_estimators=500，max_depth=7，learning_rate=0.1，subsample=0.7時(shí)，模型的識(shí)別準(zhǔn)確度約為0.979。在此基礎(chǔ)上，應(yīng)用驗(yàn)證集對(duì)模型進(jìn)行檢驗(yàn)，通過(guò)繪制ROC曲線，獲得AUC值約為0.998，與已有研究相比[30-31]，基于梯度提升樹(shù)的識(shí)別模型預(yù)測(cè)效果更優(yōu)。最后應(yīng)用基于梯度提升樹(shù)的高校專利許可/轉(zhuǎn)讓價(jià)值識(shí)別模型，對(duì)預(yù)測(cè)集中的1，076件專利進(jìn)行價(jià)值識(shí)別，得到291件專利具備許可/轉(zhuǎn)讓價(jià)值，785件專利存在失效風(fēng)險(xiǎn)。

3.4 基于混合方法的專利價(jià)值識(shí)別

綜合上述的實(shí)驗(yàn)過(guò)程，對(duì)青島大學(xué)未發(fā)生許可/轉(zhuǎn)讓的專利進(jìn)行評(píng)估。將兩種方法計(jì)算得到的具備許可/轉(zhuǎn)讓價(jià)值的專利集合和存在失效風(fēng)險(xiǎn)的專利集合取交集，分別獲得專利16件和729件。統(tǒng)計(jì)兩個(gè)專利集合中的評(píng)估指標(biāo)數(shù)據(jù)平均值，結(jié)果見(jiàn)表2。分析表2發(fā)現(xiàn)，具備許可/轉(zhuǎn)讓價(jià)值專利的指標(biāo)平均值均高于存在失效風(fēng)險(xiǎn)的專利，這為企業(yè)判斷高校專利是否具備許可/轉(zhuǎn)讓價(jià)值提供了參考依據(jù)，更為重要的是，給高校和科研團(tuán)隊(duì)在進(jìn)行技術(shù)研發(fā)和專利申請(qǐng)時(shí)提供了參考。在研究團(tuán)隊(duì)層面，新技術(shù)的研發(fā)要建立在廣泛深入的科技查新基礎(chǔ)上，并組建專業(yè)的技術(shù)團(tuán)隊(duì)，以有效支撐技術(shù)的開(kāi)發(fā)應(yīng)用；在高校知識(shí)產(chǎn)權(quán)信息服務(wù)中心層面，為科研團(tuán)隊(duì)撰寫(xiě)專利申請(qǐng)書(shū)時(shí)要做到全面扎實(shí)，保證技術(shù)的創(chuàng)新性和保護(hù)性；在高?？萍汲晒芾聿块T(mén)層面，要形成科學(xué)完備的專利運(yùn)營(yíng)規(guī)劃，圍繞高價(jià)值度專利，及時(shí)做好專利布局工作，并采取多元化方式推廣專利，實(shí)現(xiàn)專利的技術(shù)價(jià)值轉(zhuǎn)化為產(chǎn)業(yè)應(yīng)用。

表2 具備許可/轉(zhuǎn)讓價(jià)值和存在失效風(fēng)險(xiǎn)專利的指標(biāo)統(tǒng)計(jì)表

3.5 高校存在許可/轉(zhuǎn)讓價(jià)值專利的市場(chǎng)價(jià)格預(yù)估

通過(guò)專利許可/轉(zhuǎn)讓價(jià)值的識(shí)別過(guò)程，得到青島大學(xué)存在許可/轉(zhuǎn)讓價(jià)值的專利16件，分析16件專利的IPC主分類發(fā)現(xiàn)，存在3件專利的IPC主分類皆為D01(見(jiàn)表3)，因此重點(diǎn)對(duì)這3件專利進(jìn)行市場(chǎng)價(jià)格預(yù)估。在incoPat數(shù)據(jù)庫(kù)中，限定IPC分類號(hào)為D01，對(duì)權(quán)利有效且發(fā)生訴訟事件的專利進(jìn)行篩選，查詢閱讀每件專利的訴訟書(shū)，對(duì)其中明確劃定判賠額度的專利數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，共檢索到6件專利。依據(jù)專利綜合價(jià)值度的計(jì)算流程，對(duì)6件專利的技術(shù)價(jià)值度、經(jīng)濟(jì)價(jià)值度、法律價(jià)值度及綜合價(jià)值度進(jìn)行計(jì)算，見(jiàn)表4。根據(jù)表4的計(jì)算結(jié)果，選擇專利綜合價(jià)值度和判賠額度進(jìn)行曲線擬合，見(jiàn)圖2。其中X軸為專利綜合價(jià)值度，Y軸為專利判賠額度，剔除專利5和6后，其余4件專利的曲線擬合符合指數(shù)函數(shù)分布，公式為y=27204.70e52.70x，其中R2=0.89，表明曲線擬合效果較好，適用于高校存在許可/轉(zhuǎn)讓價(jià)值專利的價(jià)格預(yù)估。

表3 高校存在許可/轉(zhuǎn)讓價(jià)值專利統(tǒng)計(jì)表（部分)

表4 發(fā)生訴訟專利的價(jià)值度及判賠金額

圖2 專利綜合價(jià)值度與訴訟判賠額度擬合曲線

為驗(yàn)證價(jià)格預(yù)估擬合公式的有效性和可用性，查詢高校已發(fā)生許可/轉(zhuǎn)讓專利的價(jià)格。由于選擇預(yù)估價(jià)格的專利，屬于紡紗和紡絲技術(shù)領(lǐng)域，因此，重點(diǎn)查詢“武漢紡織大學(xué)”的專利轉(zhuǎn)讓/許可公示，獲得IPC屬于D部的許可/轉(zhuǎn)讓專利6件，使用價(jià)格預(yù)估擬合公式對(duì)6件專利進(jìn)行計(jì)算，并與實(shí)際金額進(jìn)行比對(duì)，計(jì)算結(jié)果見(jiàn)表5。分析表5發(fā)現(xiàn)，“Method and apparatus for pneumatic guiding and capturing strand fibers on ring frame”“一種塵籠摩擦包纏式高光潔增強(qiáng)紗線的后加工方法”“一種梯度包纏紗線毛羽的裝置”“一種定向伸展式精確測(cè)試紗線毛羽的裝置”4件專利為打包轉(zhuǎn)讓，實(shí)際轉(zhuǎn)讓金額為120萬(wàn)元，依據(jù)專利市場(chǎng)價(jià)格預(yù)估流程，計(jì)算得到4件專利的綜合價(jià)值度分別為0.066、0.050、0.048、0.039，通過(guò)擬合公式預(yù)估市場(chǎng)價(jià)格共計(jì)155.67萬(wàn)元?！耙环N液膜紡紗方法”實(shí)際轉(zhuǎn)讓價(jià)格為10萬(wàn)元，專利綜合價(jià)值度為0.052，預(yù)估市場(chǎng)價(jià)格為36.917萬(wàn)元?！耙环N雙向拉伸的聚乳酸纖維多孔膜的制備方法”實(shí)際轉(zhuǎn)讓價(jià)格為50萬(wàn)元，專利綜合價(jià)值度為0.056，預(yù)估市場(chǎng)價(jià)格為44.138萬(wàn)元。采用RMSE(均方根誤差)衡量預(yù)估市場(chǎng)價(jià)格同實(shí)際交易價(jià)格之間的偏差，通過(guò)計(jì)算可得RMSE=26.021，即預(yù)估市場(chǎng)價(jià)格與實(shí)際交易價(jià)格的偏差約為26萬(wàn)。考慮到高校專利估價(jià)的多重因素影響及復(fù)雜度，預(yù)估的市場(chǎng)價(jià)格是接近于實(shí)際許可/轉(zhuǎn)讓金額，驗(yàn)證了本文所提方法具有實(shí)用性，能夠快速高效的預(yù)估專利參考價(jià)格，為企業(yè)和高校進(jìn)行專利交易提供決策支持。因此，在驗(yàn)證價(jià)格預(yù)估擬合公式可用性的基礎(chǔ)上，首先根據(jù)專利綜合價(jià)值度的計(jì)算公式，對(duì)青島大學(xué)識(shí)別出的3件D01領(lǐng)域的專利進(jìn)行價(jià)值度計(jì)算，進(jìn)而采用擬合公式進(jìn)行市場(chǎng)價(jià)格預(yù)估，見(jiàn)表6。通過(guò)以上過(guò)程，實(shí)現(xiàn)了對(duì)特定高校專利的價(jià)值識(shí)別和價(jià)格預(yù)估，對(duì)本文提出的高校專利價(jià)值評(píng)估模型進(jìn)行了驗(yàn)證。

表5 價(jià)格預(yù)估擬合公式計(jì)算驗(yàn)證表

表6 高校專利市場(chǎng)價(jià)格預(yù)估

4 結(jié)語(yǔ)

本文按照“研究背景→方法概述→模型構(gòu)建→實(shí)驗(yàn)評(píng)估”研究思路，對(duì)高校專利價(jià)值評(píng)估模型進(jìn)行研究，解決了高校和企業(yè)開(kāi)展專利交易過(guò)程中存在的“評(píng)估什么價(jià)值”問(wèn)題。當(dāng)前我國(guó)高校和企業(yè)的專利交易呈增長(zhǎng)趨勢(shì)，但缺少科學(xué)高效的科技成果評(píng)估方法，導(dǎo)致高校專利轉(zhuǎn)讓率偏低局面沒(méi)有得到改善。因此，本文從價(jià)值識(shí)別和價(jià)格預(yù)估兩個(gè)視角出發(fā)，構(gòu)建高校專利價(jià)值評(píng)估模型，首先從技術(shù)、經(jīng)濟(jì)、法律3個(gè)維度選取了13個(gè)指標(biāo)；然后結(jié)合熵權(quán)TOPSIS模型的人工方式和梯度提升樹(shù)的機(jī)器學(xué)習(xí)方式實(shí)現(xiàn)了對(duì)高校專利價(jià)值的識(shí)別；最后，采用曲線擬合方法對(duì)專利綜合價(jià)值度與專利訴訟判賠額度進(jìn)行擬合，形成計(jì)算公式，并對(duì)存在許可/轉(zhuǎn)讓價(jià)值的高校專利進(jìn)行市場(chǎng)價(jià)格預(yù)估。本文提出的評(píng)估模型，解決了當(dāng)前已有方法操作復(fù)雜度高、分析角度單一等不足，對(duì)各個(gè)高校具有普適性，為提升高校專利的價(jià)值評(píng)估效率提供了創(chuàng)新方案和實(shí)踐路徑。需要說(shuō)明的是，本文的專利特征維度還需要進(jìn)一步拓展，評(píng)估指標(biāo)數(shù)量有待進(jìn)一步擴(kuò)充；此外，預(yù)估專利市場(chǎng)價(jià)格的方法有待進(jìn)一步深化，以降低與實(shí)際交易價(jià)格的偏差。因此，在今后的研究中，將進(jìn)一步深化高校專利價(jià)值評(píng)估研究，切實(shí)為推動(dòng)高校專利轉(zhuǎn)移轉(zhuǎn)化效率助力獻(xiàn)策。