基于语义特征的潜在标准必要专利识别研究

作     者：翟东升 金苑苑 徐硕 何喜军 胡涵清 甄柳林 Zhai Dongsheng;Jin Yuanyuan;Xu Shuo;He Xijun;Hu Hanqing;Zhen Liulin

作者机构：北京工业大学经济与管理学院北京100124 北京信息科技大学经济管理学院北京100192 

出 版 物：《科研管理》 (Science Research Management)

年 卷 期：2022年第43卷第3期

页      面：183-191页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

基　　金：国家自然科学基金项目:“科技关联视角下新兴技术弱信号扫描预判方法研究”(72074014 2020.12—2023.12) 

主　　题：潜在标准必要专利识别 Bert CNN 语义特征 

摘      要：潜在标准必要专利在未来市场中具有极高的战略价值和经济价值,企业如何抢先识别这些专利对建设创新型国家、优化企业专利布局、加快技术创新、提升行业地位、规避专利挟持具有重要意义。但目前关于自动化识别潜在标准必要专利的研究尚少。本文从提取标准必要专利语义特征的视角下,提出利用Bert-CNN网络模型结合上下文对已知标准必要专利的隐性全局语义特征和高维层次语义特征双重提取,依据特征提取结果识别潜在标准必要专利,并通过计算Bert向量相似度预测潜在标准必要专利可能对应的标准。实证部分以ETSI欧洲标准化协会发布的标准必要专利构建数据验证集对模型的性能进行验证,结果显示本模型在大规模专利数据实验中的精准率、召回率、F;值优于已有研究。