专利分类

摘要： [研究目的]中国已成为海外跨国公司人工智能专利布局的重要目标市场,探究海外跨国公司在华人工智能专利布局及竞争态势,有助于防止其在华进行垄断式专利布局,为中国企业和政府机构在长期性科技竞争中制定和调整专利战略提供理论依据。[研究方法]从IPC专利分类视角出发,利用马尔可夫链和显性技术比较优势指数,识别海外跨国公司在华人工智能专利布局的演进特征和演变结果,运用结构相似度和结构调整度指数,衡量中国市场人工智能专利竞争态势。[研究结论]海外跨国公司采取了积极扩张的专利策略,不断扩大人工智能专利布局范围;布局重心由基础算法向基础硬件和垂直应用领域转移,形成了25个新兴领域和17个重点领域,部分领域持续发展成为较稳定的优势领域;中国同美国、日本、韩国和欧洲的人工智能跨国公司技术互补性降低、竞争程度增加,特别是与美国跨国公司的技术竞争最为激烈。

摘要： 高价值专利是推动创新发展,充分发挥知识产权在市场中价值的重要抓手.而从浩如烟海的专利数据中筛选出高价值专利如同"大海捞针",如果仅靠人工进行识别和筛选,需要考虑的各类指标因素较为庞杂,在实际过程中不易操作.本文将机器学习技术与知识产权跨界融合,以中国专利奖获奖专利为主要数据样本,基于神经网络算法并利用TensorFlow深度学习框架,设计出一套专利价值分类模型,训练达到了较好分类效果,以期对企业专利分级管理提供一套创新的思路.

摘要： 国家军民融合战略对民参军提出了激发企业参军积极性的新要求,企业专利参军后产生的利益变动表明参军转化后的新专利不可简单套用原来的国防专利模式.基于我国民参军中企业专利转变的性质和其引发的权属争议,应当及时防范企业参军热情减退的风险,可以考虑建立合理的专利补偿制度、充分保障企业参军过程中获得报酬的权利,健全企业在参军过程中的利益保障制度,以期提升民参军对国防建设的贡献度和影响力.

摘要： [目的/意义]通过计量分析模型探讨专利技术范围是否适合作为专利价值的指标,对专利范围与价值的关系作出新的解释,有助于专利范围指标的合理使用.[方法/过程]通过1985-2014年中国生物技术领域专利数据,构建基于专利IPC分类号的专利范围指标以及技术、法律、经济三个维度的专利价值指标,运用Probit和Poisson回归模型研究专利价值与专利技术范围的关系.[结果/结论]专利技术范围与不同维度专利价值之间的关系存在明显差异,技术范围与专利技术价值之间存在显著正相关,与专利的法律价值显著负相关,但是对专利的经济价值没有影响.因此,在生物技术领域,专利技术范围不是合适的专利价值指标.

摘要： 专利分类是专利分析的基本任务,而基于深度学习的自动化专利分类方法可以有效地执行专利分类任务。现有研究大多利用自然语言处理方法,基于单个专利的文本内容(如摘要和标题)对专利文本进行分类,而专利及标签之间的宏观关系(如专利之间的引用和标签之间的共现)在很大程度上被忽略。为了缓解专利分类中单一专利信息的问题,构建了三个图网络表示专利及其标签之间的宏观关系,然后提出一个基于混合表征学习的专利分类框架,将专利及标签的宏观关系融入分类中,以提高专利的自动化分类的准确性。在真实的专利数据集的实验结果表明,该分类方法在多个评价指标上取得了最佳的性能。

摘要： 专利分类是专利分析的基本任务,而基于深度学习的自动化专利分类方法可以有效地执行专利分类任务.现有研究大多利用自然语言处理方法,基于单个专利的文本内容(如摘要和标题)对专利文本进行分类,而专利及标签之间的宏观关系(如专利之间的引用和标签之间的共现)在很大程度上被忽略.为了缓解专利分类中单一专利信息的问题,构建了三个图网络表示专利及其标签之间的宏观关系,然后提出一个基于混合表征学习的专利分类框架,将专利及标签的宏观关系融入分类中,以提高专利的自动化分类的准确性.在真实的专利数据集的实验结果表明,该分类方法在多个评价指标上取得了最佳的性能.

摘要： 本文对H01M领域IPC和CPC分类体系进行了比较和分析,并通过具体案例探讨了CPC分类体系在H01M领域分类和检索中的应用,合理、灵活地运用CPC分类号,能够有效提高检索效率。"联合专利分类体系(Cooperative Patent Classification)",简称CPC分类体系,是由欧洲专利局(EPO)和美国专利商标局(USPTO)在原有的欧洲专利分类(ECLA)体系的基础上,参照WIPO分类标准和IPC分类的结构,并融入美国专利分类(UC)的成功实践而共同开发建立的一个新分类体系。

摘要： 针对现有中文专利文本的自动分类方法存在分类处理过程复杂耗时长、精度低且对硬件的要求较高等问题,本文提出了一种基于fasttext的中文专利文本快速分类的新方法.首先,对采集的专利文本数据使用中文处理工具包FoolNLTK分词,参照百度停用词表去除停用词,减少停用词出现的频率,提高关键词密度.其次,将输入层中的词和词组利用n-gram模型构造文本特征向量,再将文本特征向量通过线性变换映射到隐藏层变量,隐藏层通过求解最大似然函数,根据每个类别的权重和模型参数在输出层上构建Huff man树,利用softmax计算概率实现专利文本分类.实验结果表明,本方法分类精度高,与基于TextCNN、TextRCNN深度学习的专利分类方法相比,分类速度快很多.

摘要： 一种基于知识图谱的专利IPC分类号推荐方法及装置，涉及数据分析领域，目的是为了解决现有的确定专利所属技术领域的方法依赖人工分析，耗时长，效率低，无法满足企业和用户的需求的问题。所述方法包括：构建专利知识图谱，利用TransE模型对图谱中的实体进行向量化表示，得到发明名称的向量化表示；利用发明名称的向量化表示计算查询专利与数据库中各专利之间的相似度，将与查询专利相似度最高的M件专利作为推荐的类似专利；将类似专利中出现次数最高的N个IPC分类号作为推荐的IPC分类号。所述装置包括专利知识图谱构建模块、实体向量化模块、相似度计算模块和IPC分类号推荐模块。

摘要： 本发明公开了一种中文工艺专利自动分类系统及利用该系统进行专利分类的方法，用于解决现有专利分类系统分类效率低的技术问题。技术方案是该系统包括客户端计算机、应用服务器和数据库。客户端计算机用于分类参数设置、类别标注设置以及查看分类结果。应用服务器包括专利获取模块、静态匹配模块和动态聚类模块。其中，专利获取模块用于获取一篇专利文献的标题和摘要。静态匹配模块用于分类词库匹配查找专利的标题或摘要来进行初步分类。动态聚类模块用于对静态匹配剩余的专利集进行分类处理。数据库用于存储专利信息和存储分类结果。由于采用静态匹配分类与动态聚类相结合处理中文工艺专利分类，提高了专利分类系统的效率。

摘要： 本申请涉及一种专利分类方法与专利分类系统，通过分别创建规则匹配模块、关键词匹配模块和BERT模型，组成了专利分类系统，当接收到专利分类请求时，通过将所述待分类专利文本输入至由所述规则匹配模块、关键词匹配模块和训练后的BERT模型组合而成的专利分类系统，通过组合不同的算法模型，在保持准确率的前提下能让专利分类判断的速度大幅度提升，且使用的规则数据并不多，人工成本低。

摘要： 本发明公开了一种中文工艺专利自动分类系统及利用该系统进行专利分类的方法，用于解决现有专利分类系统分类效率低的技术问题。技术方案是该系统包括客户端计算机、应用服务器和数据库。客户端计算机用于分类参数设置、类别标注设置以及查看分类结果。应用服务器包括专利获取模块、静态匹配模块和动态聚类模块。其中，专利获取模块用于获取一篇专利文献的标题和摘要。静态匹配模块用于分类词库匹配查找专利的标题或摘要来进行初步分类。动态聚类模块用于对静态匹配剩余的专利集进行分类处理。数据库用于存储专利信息和存储分类结果。由于采用静态匹配分类与动态聚类相结合处理中文工艺专利分类，提高了专利分类系统的效率。

摘要： 本发明涉及数据处理技术领域，具体为一种国际专利中专利和国民经济行业分类的对照方法，首先对存储器进行分区处理，其次对数据进行收集整理，最后对数据进行统计存储，其特征在于，对数据的收集整理包括，步骤1，规则收集：收集国际专利分类规则和政策所推行的行业分类规则；步骤2，建立专利对应关系模型：通过对不同指标、权值及相关关联、关系算法等多种要素制定的专利对应关系模型；步骤3，匹配对照：匹配实现所计算的专利所属的政策分类，本方法可以解决国际专利分类中发明专利和发明专利与国民经济行业的对照问题。

摘要： 本发明公开了一种基于专利网络表示学习的专利自动分类方法，通过引入多视角学习与网络表示学习两个领域的方法对专利进行分类，可以更加有效的利用不同视图来源的信息提升专利预测准确率。同时，通过使用包括注意力机制在内的多种方法，能够对多种视图对于专利分类预测的贡献进行完备的可解释性分析并可视化最终的专利表征，从而实现一举两得的效果。

摘要： 本发明公开了一种基于专利分类号的专利文件流程化智能管理方法，结合步骤S1和S5，根据专利分类号将该专利文件分配到对应的答复小组，可保证分配到的答复人对该专利申请所属技术领域的熟知，保证答复人对专利申请的理解深度。结合步骤S6和S7，可针对已经答复过的专利申请，尽可能将专利文件分配给同一个答复人答复，保证了答复人对该专利申请的熟悉，提高答复过程中与发明人或者申请人的沟通效率，有利于提高答复质量与效率。

摘要： 本发明公开了一种基于专利文献摘要的专利自动分类方法，该方法包括词典构建、IPC各层次类别特征向量的生成、专利文本特征选择、专利文本的向量化、基于SVM的分类模型构建、待分类专利的分类；在专利文本特征选择上充分利用了专利标题和摘要所包含的信息，明显减少了专利特征选择的计算量；在专利文本向量化的计算过程中，改进了TF?IDF计算的方法，加入词语的词性权重和位置权重，进一步提高了分类效果；在专利分类方法上采用了一种基于层次分类的方法，该方法充分利用了SVM和KNN分类器的各自优点，克服了SVM分类器训练过多而KNN算法计算量大的缺点。

摘要： 本发明属于机器翻译技术领域，公开了一种基于专利分类号的机器翻译校对方法，包括如下步骤：在机器翻译后，获取专利文献的专利分类号；依据专利分类号匹配专业词义校对机器翻译的专利文献，其中，依据专利分类号匹配专业词义校对机器翻译的专利文献包括筛选出符合专利分类号的译词校对机器翻译后的专利文献。此外，本发明公布了使用该方法的机器翻译校对系统。根据本发明，其能够有效提高机器翻译后校对的准确率，提升机器翻译后校对的速率。

摘要： 本发明公开了一种基于BERT模型的金融创新专利分类方法，包括：步骤1：从专利数据库中获取专利数据；步骤2：对专利数据进行预处理，选择由企业实体开发或拥有的专利，并进一步过滤具有属于G和H领域的IPC代码的专利；步骤3：将预处理后的专利数据输入BERT模型，以筛选出属于金融科技类别的专利，并将筛选出的专利数据进行分类。本发明解决了金融创新专利分类方法及基准数据集缺乏的问题，通过专利数据库获取到的数据形成数据集并根据分类法手动标记一组金融创新专利摘要，随后使用标记的数据集来训练BERT模型；并通过实验结果验证了与基于传统机器学习及常见深度学习算法的分类方法相比，本方案在分类性能上具有显著优势。