基于人工神經網絡的專利申請評估研究

[摘 要] 本文利用人工神經網絡模型BP算法的多層前饋網絡模型原理，通過輸入到輸出的函數映射關系，建立用于專利申請可行性評估的神經網絡模型，反映專利申請可行性評估的動態性和數據的時序關聯性。

[關鍵詞] 人工神經 專利 評估 模型

一、專利申請評估中人工神經網絡模型的原理與方法

專利評估是一個非常復雜的系統， 其中存在著廣泛的非線性、時變性和不確定性。本文實質上是對擬申請專利的技術創新成果做一個分類。但要注意的是，不宜申請專利的技術創新成果并不代表不具備創新價值和經濟效益，我們在選取指標因素時，只是將專利法對專利權的保護方式作為是否適合申請專利重要的因素，某些技術創新成果如不必申請專利權便可以以單方執有技術秘密而形成技術壟斷，則不必申請專利。

以上這些因素可以用一向量(e1，e2，…，em)來表示，也可以轉化為尋找一差別函數f使得：

(1)f(e1，e2，…，em)＞ε， (e1，e2，…，em)∈T

(2)f(e1，e2，…，em)＞ε， (e1，e2，…，em)T

其中集合T表示適合申請專利保護。因此，專利申請的可行性評估最終也可作為一類函數的逼近問題。

二、專利申請評估人工神經網絡模型的構建

本文構建的專利評估模型是采用BP算法的多層前饋網絡。該模型的特點是信號由輸入層單向傳遞到輸出層，同一層神經元之間互不傳遞信息，每個神經元與鄰近層所有神經元相連，連接權用Wij表示。各神經元的作用函數為Sigmoid函數，設神經網絡輸入層的p個節點，輸出層有q個節點，k-1層的任意節點用l表示，k層的任意節點用j表示，k+1層的任意節點用l表示。Wij為k-1層的第i個神經元與k層的第j個神經元相連接的權值。k-1層的節點i輸出為O(k-1)i，k層節點j的輸出為：Okj=f(netkj)

設訓練樣本為(X，Ye)，X為p維向量，加到輸入層；Ye為q維向量，對應于期望輸出；網絡的實際輸出Y也是q維向量。網絡在接受樣本對的訓練過程中，采用BP算法，其權值調整量為：

ΔWij=-ηδkjO(k-1)i

其中，對于輸出層為：δkj=yj(1-yj)(yej-yj)

對于非輸出層為：η為訓練步長，取0＜η＜1。

用樣本集合反復訓練網絡，并不斷修改權值，直到使實際輸出向量達到要求，訓練過程結束。

三、基于BP人工神經網絡的專利申請可行性判斷步驟及結論

本文使用的技術創新成果數據選自1995年～2005年某市知識產權局提供的樣本，共計551例。其中486例成功申請專利。每一樣本都包括多項數據，其中用于評估的數據項有：申請專利的類別，技術創新的類別、技術的壟斷性、專利權保護的難易程度等多達58項。

1.網絡訓練集的確定：在最原始的551例技術創新成果中存在著各種各樣的差別，如申請專利權類別差異(419例發明專利和實用新型專利，132例外觀設計專利)，評估結果的差異(486例經申請后被授予專利)，技術創新成果的類別差異，技術創新成果技術價值的不同（如發明專利的技術獨創性最強且不易復制，因而最具技術價值）、專利權保護的時限不同（如外觀設計專利權和實用新型專利權的時限僅為10年，而發明專利權的保護時限為20年）。

2.神經網絡輸入和輸出數據的預處理。人工神經網絡的輸入輸出數據都應該屬于(0，1)區間的實數，為此我們對原始數據進行如下的規一化處理：

其中xi為原始數據項，而Max=max｛xi∶xi∈X｝，Min=min｛xi∶xi∈X｝。這里X為原始數據集。經過變換后， yi將在(0，1)區間，可作為神經網絡的輸入輸出。

3.使用人工神經網絡進行專利申請可行性判斷。將描述技術創新成果的各種情況的數據作為前向網絡的輸入數據加到其輸入端，并按各神經元的輸入和輸出，同時調整神經元之間的連接權值以使網絡的輸出和實際情況相符。即當技術創新成果成功申請到專利權時，網絡的輸出結果也恰好指示為適合申請專利權，反之亦然。如果對所有的訓練樣本集網絡的輸出基本上(95%或更高)能保證與實際結果一致，則訓練過程結束。對于一個待評估的技術創新成果來說，只要將該成果的數據輸入到訓練好的神經網絡中去，根據網絡的輸出結果就可以知道該技術成果是否適合申請專利權保護。

上述結果表明不同類型的因素應分開來考慮。我們將58項輸入數據分成四類不同的BP網絡，然后再將它們各自的結果綜合起來得出最后的判斷。

上述四種網絡所得結果的可靠性各不相同。其中，根據基于專利法保護的判斷準確性最高，因此在最后的綜合中重點考慮它的判斷結果，其權值也相對最高。其次，基于技術壟斷性的判斷往往也具有較高的準確性，權值也較高，但比前者的稍低。基于技術創新成果屬性的判斷更多地涉及專利權的受保護程度，因此在專利的申請階段也屬于相對不太重要的參考因素，因此設定權值最小。

最后的結果O為：

O=a1XO1+a2XO2+a3XO3+a4XO4

a1+a2+a3+a4=1

其中Oi，ai，i=1，2，3，4分別為各診斷網的輸出及其對應的權值。

當O＞0.5時最后的結果為適合申請專利權，反之則不宜申請專利權。對所有的樣本數據經上述的判斷結果見表2。

其中對于訓練集，適合申請專利的技術成果的正確判斷率為100%，誤判率為0，不適合申請專利的正確判斷率為97.8， 誤判率為3.2%。

通過對結果的分析得出結論，本文采用的人工神經網絡的專利申請可行性評估的結果較好地符合了已知數據，具有較高的準確性，特別是對于適合申請專利的技術創新成果一般能準確地做出判斷，有利于技術創新主體及時申請專利保護和擁有相關權益。