專利存續期視角下潛在高價值專利評估路徑研究

摘 要：高價值專利作為科技創新的重要產物，已成為提升企業競爭力、推動社會經濟發展的關鍵因素。從專利存續期視角出發，基于技術—經濟—法律—戰略等4個維度構建專利評估指標體系，以IncoPat專利數據庫為數據源進行檢索，計算發明專利存續期并將其分類，再構建專利存續期視角下的深度學習模型，并使用該模型對珠海市高新技術上市企業的發明專利進行評估與分析。研究結果表明，專利的存續期與專利價值密切相關，存續期較長的專利往往具有更高的技術含量和更強的商業競爭力。在評估潛在高價值專利時，應重點關注專利的存續期情況，并結合專利內容、技術領域、市場需求等因素進行綜合評估。

關鍵詞：高價值專利；深度學習；專利存續期；評估指標體系

中圖分類號：G306；G255.53" " "文獻標志碼：A" " 文章編號：1671-0037（2024）3-80-11

DOI：10.19345/j.cxkj.1671-0037.2024.3.7

0 引言

隨著科技產業變革的快速演進，知識產權創新發展不僅在驅動高價值專利產出方面發揮著重要作用，更是提升企業技術競爭力和推動社會經濟發展的關鍵所在。近年來，我國產出了大量的專利成果，但專利成果轉化率不高，低價值專利占用了大量資源，未能發揮促進產業升級的作用。因此，我國政府愈發重視知識產權建設，并持續深入實施專利質量提升工程。《知識產權強國建設綱要（2021—2035年）》明確提出，至2025年每萬人口高價值發明專利擁有量達到12件。隨后，2023年國務院印發了《專利轉化運用專項行動方案（2023—2025年）》，要求推動一批高價值專利實現產業化，加快創新成果向現實生產力轉化；同時，鼓勵高校和科研機構引入以市場為導向的專利篩選評價機制，對具備潛在市場價值的專利進行篩選。可見，完善高價值專利篩選標準、評估路徑、培育體系已成為國家關注的重要議題。而專利存續期是衡量專利制度運行績效的重要指標，可以直接反映出專利制度對創新主體的保護程度和對創新活力的激發能力［1］。較長的專利維持期有助于鼓勵創新主體更多地進行研發投入和技術創新，從而促進經濟發展和社會進步。此外，專利維持期還能夠體現出創新主體管理專利的能力，包括專利申請和維持等方面的管理能力。因此，專利維持期的合理設置和管理不僅有利于保護知識產權，也對技術創新和產業升級具有積極作用。為此，本文將從專利存續期視角出發，利用深度學習法準確識別高價值專利，以便政府和企業從海量專利中篩選出潛在的高價值專利，這有助于其更好地了解技術和市場的發展趨勢，并為未來的研發和投資提供指導。

1 文獻綜述

當前，對于高價值專利的定義，學界暫未達成一致。有關高價值專利的主流定義可以分為廣義和狹義兩個維度。廣義上的高價值專利是指具有較高的經濟價值、法律價值、技術重要性和市場競爭力的專利或專利組合［2］；而狹義上的高價值專利是指具備較高的技術含量和市場價值的專利［3］。高價值專利的具體界定指標可能因行業、領域和研究目的的不同而有所差異。總之，高價值專利是指在產業化和商業化過程中都具備競爭優勢的專利。

目前，有關專利價值的評估方法除了專家判斷法這一定性方法外，還包括統計分析法、單一指標評價法、綜合指標評價法等定量方法。

統計分析法是指通過對專利數據進行統計和分析，來揭示專利數量、引用次數等指標的分布情況、趨勢和差異。該方法能夠處理大量專利數據，降低個人偏見等主觀性影響；但缺點是會放大異常值的影響，樣本選擇偏差也會削弱統計分析結果的準確性。若專利樣本不具備代表性，則分析結果難以推廣應用。朱雪忠等［4］統計分析了我國不同發明主體發明專利維持時間的變化趨勢以及不同維持時間專利的終止情況，并根據專利年費繳納情況反推出專利價值。孫玉濤和欒倩［5］提出“三階段—兩維度”的專利價值評估模型，使用均方差決策法統計我國C9聯盟高校授權專利與全社會授權專利在不同階段的權重差異，從而評判不同院校的專利價值。

單一指標評價法是指采用單一的指標如專利引用次數［6］、專利權利要求數［7］、同族專利數［8］等作為專利價值衡量標準的方法。若某一技術領域中的專利被多次引用，則表明此專利在該領域具有較高的實際應用價值以及較大的市場潛力，能夠對后續專利產生技術溢出效應并發揮引導作用［9］。劉林青等［10］認為，專利被引頻次反映了專利的技術、經濟價值，可用來篩選價值較高的專利。專利的權利要求數是專利法律價值的體現。權利要求數越多通常意味著該項專利所涵蓋的技術范圍越廣，創新水平越高。喬永忠和肖冰［1］發現，專利的價值受到權利要求數的影響。Tong和Frame［11］使用權利要求數來衡量專利價值。同族專利數代表著具有相同或類似技術內容的專利家族成員數量。同族專利數越多通常意味著該項專利所涉及的技術領域越具備戰略價值。哈霍夫和程文婷［12］發現，同族專利數能夠影響專利價值。總體而言，單一指標評價法易忽略專利技術質量、創新程度等其他重要因素對專利價值的影響，導致分析結果不夠全面。

綜合指標評價法是指將各類專利指標結合在一起，形成多維度專利評價體系，并對各指標賦予權重來評估專利價值的方法。由于專利價值具有多面性，構建包含多個指標的專利評估體系更能準確地評估專利價值。例如，Grimaldi和Cricelli［13］從商業價值—技術價值—戰略價值等多維度評估專利價值。而測評方法多采用模糊綜合評價法［14］、層次分析法［15］、機器學習法［16］等方法。萬小麗和朱雪忠［17］基于技術—市場—權利維度建立專利價值評估指標體系，并運用模糊綜合評價法進行分析。許振亮等［18］構建經濟—技術—法律—戰略維度的高價值專利評估指標體系，運用層次分析法和德爾菲法篩選稀土永磁產業的高價值專利。相較于常規的專利數據測評方法，機器學習法在處理、分析和評估海量專利方面更具高效性和準確性。張彪等［19］從專利內外部特征視角出發選取高校專利價值評估指標；冉從敬和宋凱［20］根據《專利價值分析指標手冊》構建云計算領域的專利價值識別指標體系。他們均采用主成分分析法衡量指標的有效性，再結合人工神經網絡算法構建評估模型。Hu等［21］使用機器學習法從法律價值—技術價值—競爭力價值—科學價值等4個維度識別高價值專利。趙雪峰等［22］運用深度學習法識別高質量技術專利，該方法可以解決專利數據特征提取能力不足而導致的專利質量識別準確率低的問題。

此外，專利存續期是指專利授權日到專利權終止日之間的時長。根據我國《專利法》規定，專利權人須定期向國家知識產權局繳納專利年費來維持專利的存續狀態。為實現專利收益最大化，專利權人往往會評估專利的預期收益與所付出的成本，并在此基礎上做出理性選擇［23］。專利權人只會選擇維持具備廣闊市場前景、高技術價值、高經濟價值、低法律風險等特征專利的存續狀態［24］。Lanjouw和Schankerman［25］發現，可以利用專利存續期計算專利的經濟價值。付振康等［26］基于專利的存續期構建核心專利預測模型。李明等［27］認為，專利存續期可以反映專利質量的變化情況。綜上，本文將基于專利存續期視角，構建多維專利評估指標體系，并采用深度學習法評估專利價值。

2 研究設計及研究方法

2.1 研究設計

本文的研究目的是構建專利存續期視角下的潛在高價值專利評估模型。首先，將專利數據按專利有效性分為有效、審中、失效等3類。其次，使用文獻分析法進行專利存續期視角下的潛在高價值專利評估指標選取，用于構建深度學習評估模型；選擇不同的評估指標對模型進行尋優以選出最優參數，并不斷優化模型至最優。最后，運行該模型對有效專利進行評估分析。具體的研究框架如圖1所示。

2.2 專利存續期視角下的潛在高價值專利評估指標選取

從專利價值的內涵出發，參考許振亮等［18］構建的高價值專利評估體系來選取指標。輸入指標具體分為經濟價值—技術價值—法律價值—戰略價值等4個維度（見表1）；輸出指標為專利存續期，即專利授權日至專利失效日的時間范圍。專利存續期越長，說明該專利的投資回報率越高。

2.2.1 經濟價值

2.2.1.1 專利轉讓數

專利轉讓是指專利權人將自己的專利權轉讓給其他人或機構，以獲取一定的經濟收益或實現其他目的的行為。在交易過程中，通常由買賣雙方簽署專利轉讓協議，并以此規范專利所有權轉移過程中雙方的權利和義務。在專利轉讓過程中，賣方可以將專利的全部或部分權利轉讓給買方，而買方則可以獲得專利使用權，進而開展相關商業活動。因此，專利轉讓數越多，意味著市場中有更多的個人或組織愿意購買此項專利權，表明該專利的經濟價值越高［28］。

2.2.1.2 專利質押數

專利質押是指專利權人將其所擁有的專利權作為質押物，向金融機構或其他債權人申請貸款或其他融資的行為。在專利質押過程中，專利權人將專利作為擔保獲取資金，并用于開展企業經營活動、技術研發活動等。只有專利具有較高的投資價值，企業或個人才會選擇將其作為質押物。因此，專利質押數越多，表明該專利的商業價值越高［29］。

2.2.1.3 專利許可數

專利許可是指專利權人向他人授予專利使用權的行為。在專利許可過程中，專利權人允許被許可人在一定的范圍內使用專利，而專利權人則會收取一定的許可費用。專利許可能夠使專利得到更廣泛的傳播和應用，有助于技術進步和經濟發展。因此，專利許可數越多，意味著該專利具備一定的實用性和市場認可度，專利經濟價值就越高［30］。

2.2.2 技術價值

2.2.2.1 專利被引數

專利被引數代表一項專利被其他專利或文獻所引用的次數，反映了該專利在相關領域中的認可度。專利被引數越多，意味著該專利對后續技術發展產生了越重要的影響。其他技術研究人員將該專利作為研發基礎，進一步改進和應用該技術，從而推動了相關領域的發展，即專利具備較高的技術價值［31］。

2.2.2.2 專利技術廣度

專利技術廣度用IPC主分類號的數量來衡量。IPC主分類號的數量越多，意味著專利技術多樣性越強，專利技術價值就越高［32］。

2.2.2.3 專利技術深度

當某一IPC主分類號下的專利數占總專利數的比例較大時，說明該領域的技術創新相對集中。這種集中度可反映出該領域的技術深度和專業化程度。數值越大，意味著創新主體通常會投入更多的資源和精力到該領域，其專利的技術價值也越高。

2.2.2.4 發明人數

發明人數是指一項專利在申請或授權過程中涉及的發明人數量。通常情況下，當一項專利的發明人數越多時，專利所涉及的知識范圍越廣，研發投入的人力成本越大，表明專利創新領域具有跨學科交叉性，專利技術價值也就越高［33］。

2.2.3 法律價值

2.2.3.1 審查周期

專利審查是指專利局按照法律規定對專利申請文件進行審查、評估及判定是否授予專利權的過程。在專利審查過程中，審查員根據國家或地區的專利法規對申請人提交的專利申請文件進行審查，具體包括技術領域的定義、權利要求的范圍、發明創造的原創性等方面。專利審查周期為專利申請日至專利授權日的時間范圍。審查周期越長，說明專利復雜度越高，專利價值就越高［34］。

2.2.3.2 權利要求數

權利要求是指專利申請文件中定義發明范圍的部分，是專利權利的核心內容之一。其規定了專利權的保護范圍，是專利權利人依法行使專利權的基礎。一項專利的權利要求數越多，代表著該專利所受到的保護范圍越廣，專利價值就越高［35］。

2.2.3.3 獨立權利要求數

獨立權利要求是指專利申請文件中被要求依據專利權享有的、與其他權利要求無關的特定權利要求，也就是在專利法律領域中具有獨立性的權利要求。獨立權利要求數能夠明確突顯一項專利的核心技術及其他相關特點，從而確保專利權人擁有對該技術的獨立控制權。獨立權利要求數越多，意味著專利的保護力度越大，專利價值就越高［36］。

2.2.4 戰略價值

同族專利數。同族專利數是指同一項發明在不同國家或地區獲得的專利數量。同族專利具有相似的技術特征和范圍，但在不同的專利法律制度下可能存在差異。同族專利數可以反映出專利在全球范圍內的知識產權價值和法律保護程度。同族專利數越多，意味著該專利技術在全球范圍內具有更大的影響力和市場價值，專利的戰略價值就越高［37］。

2.3 研究方法

本文根據專利存續期來評估專利的價值。但對于有效專利而言，專利存續期是未知的，故無法對該類專利進行價值評估。為了解決這一問題，本文參考已有研究［38］，計算無效專利的存續期，并以該指標作為輸出指標，以其余潛在高價值專利評估指標作為輸入指標，構建深度學習模型對專利存續期進行評估；隨后，使用該模型對存續期未知的專利進行專利存續期評估，最終對潛在高價值專利做出準確的評估。

2.3.1 基于深度學習的潛在高價值專利評估模型構建

神經網絡（Neural Network）是深度學習（Deep Learning）的核心組成部分，在專利價值分類中發揮著重要作用。全連接神經網絡（Multilayer Perceptron，MLP）作為一種傳統的深度學習模型，通過多層的神經元和非線性激活函數的組合，能夠實現復雜的特征學習和建模。

在深度學習領域，特別是在多層神經網絡中，通過增加隱藏層的深度，模型可以學習并掌握更加抽象和高級的特征表示方式。這種分層表示的方式有助于提高模型對數據的表征能力，從而提升分類的準確性。

MLP由輸入層、隱藏層、輸出層組成。在本研究中，共設置了5個隱藏層，構成了一個7層神經網絡。對于隱藏層和輸出層的每個神經元，都要計算其輸入加權和。假設第[l]層的第[j]個神經元的加權和為[zlj]。計算公式如下：

式（1）中：[ωlji]表示第[l]層的第[j]個神經元與第[l?1]層的第i個神經元之間的連接權重；[al?1i]表示第[l?1]層的第i個神經元的輸出；[blj]表示第[l]層的第[j]個神經元的偏置項。

本文使用交叉熵損失函數來度量模型的預測結果與真實標簽之間的差異。損失函數公式如下：

式（2）中：[N]為樣本數量；[yik]表示第[i]個樣本的第[k]個真實值；[K]表示輸出層的神經元個數；[aik]表示第[i]個樣本的第[k]個神經元的輸出值。

通過運用梯度下降等優化算法，更新模型的參數，以減小損失函數的值并提高模型的性能。這可以被看作一種不斷調整參數以使誤差最小化的迭代優化過程，直至達到滿足性能要求的目標值。

2.3.2 高價值專利評估模型指標體系構建

為了全面且準確地衡量算法的有效性和可靠性，本文選用準確率（Accuracy）、精確率（Precision）、召回率（Recall）和F1分數（F1 Score）對模型性能進行評價。其中，精確率、召回率、F1分數在多分類中應拓展為宏平均精確率（Macro-average Precision）、宏平均召回率（Macro-average Recall）、宏平均F1分數（Macro-average F1 Score）。

準確率是分類正確的樣本數與總樣本數之比，可以用來衡量模型的整體預測能力，包括正例預測能力和反例預測能力。計算公式為：

精確率是真正例（TP）與所有被預測為正例（TP+FP）的數量比，可以用來衡量模型預測的準確性。精確率越高，意味著模型誤判的概率越小。計算公式為：

宏平均精確率的計算方法是對每個類別分別計算精確率，然后取平均值。其可以用來衡量模型對每個類別的預測準確性。計算公式為：

召回率是真正例（TP）與所有真實正例（TP+FN）的數量比，可以用來衡量模型在所有正例中的識別能力。召回率越高，意味著模型漏判的概率越小。計算公式為：

宏平均召回率的計算方法是對每個類別分別計算召回率，然后取平均值。其可以用來衡量模型對每個類別的識別能力。計算公式為：

F1分數是精確率和召回率的調和平均值，可以用來綜合考量精確率和召回率的影響。F1分數越高，意味著模型在精確率和召回率兩方面的表現越好。計算公式為：

宏平均F1分數的計算方法是對每個類別分別計算F1分數，然后取平均值。計算公式為：

其中：[I]為類別數，[i∈I]；[TPi]表示真正例（True Positive），代表模型正確預測為第[i]類的樣本數量；[TNi]表示真反例（True Negative），代表模型正確預測為非第[i]類的樣本數量；[FPi]表示假正例（False Positive），代表模型錯誤預測為第[i]類的樣本數量；[FNi]表示假反例（False Negative），代表模型錯誤預測為非第[i]類的樣本數量。

3 實證分析

3.1 數據來源與預處理

珠海市作為我國重要的經濟特區以及全國首批知識產權強市建設試點城市，擁有豐富的創新資源和知識產權成果。珠海市知識產權局公布的數據顯示，截至2023年11月，珠海市每萬人口有效發明專利擁有量達到145.73件，連續12年蟬聯廣東省第2；科技創新發展指數在全國排名第14。珠海市在高新技術領域具備明顯優勢，擁有格力、魅族、金山等實力雄厚的企業。同時，珠海市政府高度重視知識產權建設工作，堅持以區域創新中心建設為抓手，鼓勵企業加大創新投入，明確將加強高新技術領域的技術創新和知識產權保護作為重點任務，并出臺了一系列知識產權相關的資金支持和稅收優惠政策。

因此，本研究以珠海市科技創新局于2022年公布的《珠海市高新技術企業名單》為基準，選擇了12家高新技術上市企業（健帆生物、遠光軟件、英博爾、光庫科技、寶萊特、世紀鼎利、格力電器、納思達、潤都股份、麗珠集團、航宇微和全志科技）作為研究對象。使用IncoPat數據庫搜集到上述企業2003—2022年的共80 406條發明專利數據，從中篩選出專利有效性為“失效”的發明專利，最終得到13 448條失效發明專利數據，并計算出具體的專利存續期。計算公式為：

[" " 專利存續期=專利失效日?專利申請日]" （10）

3.2 潛在高價值專利識別指標提取

根據國家知識產權局高價值專利標準，專利存續期大于十年（即3 650天）的發明專利即為高價值專利。為了對高價值專利進行更細致的劃分，本文以天為劃分單位，將專利分為A、B、C、D四大類（見表2）。其中，A代表技術價值較高的核心專利，B代表具有一定技術價值的優質專利，C代表技術價值較為一般的普通專利，D代表技術價值較低的次要專利。這種分類方法能夠對不同等級的專利進行區分，有助于更好地評估專利的技術貢獻和市場前景，促進知識產權的保護和利用。

3.3 高價值專利評估模型構建

為了評估模型的性能和泛化能力，本文將數據集以7∶3的比例分成了訓練集和測試集兩部分，訓練集包含9 413條數據，測試集包含4 035條數據。其中，訓練集用于模型訓練和參數調整，而測試集用于評估模型的性能和泛化能力。本文選取專利存續期視角下的潛在高價值專利評估指標體系中的前11個指標作為輸入指標，將表2所示的分類等級作為輸出指標，構建一個13 448*12的矩陣。

本文在Python3.9.13的環境下使用Sklearn庫中的Neural_Network模塊來實現基于深度學習的高價值專利識別模型構建。首先，選用Standardization進行特征縮放。其次，使用K折分層抽樣交叉切分法進行試驗。接下來，構建一個包含1個輸入層、5個隱藏層、1個輸出層的神經網絡。其中，隱藏層的神經元個數分別為64、128、128、64、32，輸出層的神經元個數為分類的類別數。最后，選用ReLU作為激活函數，設置學習率為0.01、訓練迭代次數為200次，使用交叉熵損失函數來度量模型的預測結果與真實標簽之間的差異。試驗結果如表3所示，訓練學習曲線如圖2所示。可以看到，當k=15時，模型中所有指標的表現均為最優。因此，本文選擇該參數下的深度學習模型作為高價值專利評估模型。

3.4 珠海市高新技術上市企業專利評估與分析

上文構建了基于深度學習的潛在高價值專利評估模型，并驗證了該模型的可行性與可靠性。本部分將對珠海市12家高新技術上市企業的有效專利進行評估和分析，共獲取有效發明專利數據38 963條。在進行了與訓練集相同的數據預處理步驟后，使用本文所構建的高價值專利評估模型對這些專利數據進行評估，結果如表4和圖3所示。

由表4可知，D類專利數量最多，占比達61.76%；其次是C類，占比達33.70%。A類和B類專利數量較少，分別占總數的1.26%和3.28%。可以看出，大多數專利為普通專利及次要專利，核心專利和優質專利的數量相對較少。

由圖3可知，世紀鼎利的A類專利占比較高，達15.2%；納思達和格力次之，分別為3.5%和3.1%。還有部分企業暫未識別出潛在高價值專利。整體來看，世紀鼎利的專利分配情況最為可觀，其A類專利的IPC主分類號大多為H04W（無線通信網絡）、G06F（電數字數據處理）。這說明無線通信網絡和電數字數據處理是珠海市高新技術的專利布局重點。

4 研究結論

專利存續期是指專利權的有效期限，可用來反映專利的價值、競爭力和商業潛力。首先，本文基于專利存續期視角，構建了潛在高價值專利經濟—技術—法律—戰略四維度評估指標體系。其次，計算無效專利的相應評估指標并作為訓練集，用于訓練基于深度學習法構建的潛在高價值專利評估模型。最后，將2003—2022年珠海市高新技術上市企業的有效專利作為測試集，進行潛在高價值專利的評估與分析。

經過準確率、宏平均精確率、宏平均召回率、宏平均F1分數的測算，發現本文構建的評估模型能夠較好完成高價值專利評估任務。該評估模型具有以下3個優點：一是使用深度學習模型能夠自動提取輸入數據的高級抽象特征，這對于專利評估來說尤為重要，因為專利數據通常包含大量的復雜信息且表面關聯性較弱；二是使用K折交叉驗證進行評估，能夠有效提高模型的泛化能力和穩定性，最大限度地利用數據集，減小隨機劃分導致的訓練集與測試集之間的差異，降低過擬合的風險，從而更好地反映模型的真實性能；三是按照國家知識產權局高價值專利標準對專利存續期進行分類，將連續數據預測轉換成簡單的分類問題，極大提高了預測的準確度和可行性。關于珠海市高新技術上市企業有效專利的評估結果顯示，在38 963件有效專利中，共評估出490件A類高價值專利。進一步分析顯示，珠海市高新技術企業的高價值專利布局重點為無線通信網絡和電數字數據處理領域。

綜上可知，從專利存續期的角度出發，能夠更全面地評估專利的商業價值，幫助企業和政府更好地利用高價值專利資源。對此，政府應加大對科技創新的投入，鼓勵企業進行創新研發，培育具有自主知識產權的技術和產品；優化專利管理、運營和布局，制定專利相關政策和規劃，建立專利評估機制，鼓勵企業積極申請、運用和維護專利；加強知識產權保護及法律制度建設，打擊侵犯知識產權的行為，維護企業的合法權益。企業應聚焦高價值專利的創造、運用和保護，實現專利的商業化應用；同時，也應注重對專利權的維護，防止專利失效或被他人侵犯。政府和企業協同發力將有助于提高創新成果的商業化成功率，從而促進經濟和社會的可持續發展。

此外，本文還存在一定的局限性。例如：僅使用珠海市高新技術上市企業的專利數據作為研究樣本，研究結果可能會受到地域和行業的影響；未考慮其他外部因素對專利價值的影響，如市場需求、競爭環境和技術發展趨勢等。未來研究可以在更廣泛的范圍內搜集和分析不同地區、行業和類型的專利數據，構建內外部評估指標體系，以更全面、更準確地對潛在高價值專利進行評估。

參考文獻：

［1］ 喬永忠，肖冰.基于權利要求數的專利維持時間影響因素研究［J］.科學學研究，2016，34（5）：678-683.

［2］ 中國技術交易所.專利價值分析指標體系手冊［M］.北京：知識產權出版社，2012.

［3］ 李金波，王根.我國專利指標研究述評［J］.情報雜志，2011，30（8）：38-41，37.

［4］ 朱雪忠，喬永忠，萬小麗.基于維持時間的發明專利質量實證研究：以中國國家知識產權局1994年授權的發明專利為例［J］.管理世界，2009（1）：174-175.

［5］ 孫玉濤，欒倩.專利質量測度“三階段—兩維度”模型及實證研究：以C9聯盟高校為例［J］.科學學與科學技術管理，2016，37（6）：23-32.

［6］ 周霞，于娛，施琴芬.基于專利引用的通信芯片產業創新網絡韌性研究［J/OL］.軟科學，2024：1-18［2024-03-27］.http：//kns.cnki.net/kcms/detail/51.1268.G3.20240129.1

500.010.html.

［7］ 喬永忠，譚婉琳.專利權利要求數與維持時間關系實證研究：以中日授權專利數據為例［J］.科學學與科學技術管理，2017，38（2）：77-86.

［8］ 晁蓉，龍敏，黃筱玲.發明專利特征與專利價值：基于中國專利金獎的經驗分析［J］.中南財經政法大學學報，2020（5）：73-81.

［9］ 尹聰慧，任聲策，蔣一琛.中國高價值專利的技術擴散路徑多維評價研究［J］.中國科技論壇，2022（2）：125-132.

［10］ 劉林青，陳紫若，王罡.市場信號、技術特征與中國國際高質量專利［J］.經濟管理，2020，42（2）：23-39.

［11］ TONG X， FRAME J D. Measuring national technological performance with patent claims data［J］. Research Policy，1994，23（2）：133-141.

［12］ 迪特馬爾·哈霍夫，程文婷.專利和許可在創新獲得外部融資中的作用［J］.清華知識產權評論，2017（00）：29-62.

［13］ GRIMALDI M， CRICELLI L. Indexes of patent value：a systematic literature review and classification［J］. Knowledge Management Research amp; Practice，2020，18（2）：214-233.

［14］ 張黎，李倩.基于直覺模糊層次分析法的專利質量模糊綜合評價［J］.科技管理研究，2019，39（7）：85-92.

［15］ 張米爾，李海鵬，國偉.基于有效專利的專利叢林測度及演進分析［J］.科研管理，2018，39（5）：156-164.

［16］ 李穎，吳增源，陳亮.基于SMOTE-LOF-Adaboost模型的核心專利識別研究［J］.科技管理研究，2023，43（21）：171-177.

［17］ 萬小麗，朱雪忠.專利價值的評估指標體系及模糊綜合評價［J］.科研管理，2008（2）：185-191.

［18］ 許振亮，王振，高天艷.基于層次分析法—德爾菲法的高價值專利篩選研究：以稀土永磁產業為例［J］.中國科技論壇，2024（1）：62-71.

［19］ 張彪，吳紅，高道斌，等.基于特征融合的高校可轉移專利識別研究［J］.情報雜志，2022，41（9）：159-165.

［20］ 冉從敬，宋凱.高校專利價值評估模型構建：以云計算領域為例［J］.圖書館論壇，2021，41（1）：91-98.

［21］ HU Z， ZHOU X， LIN A. Evaluation and identification of potential high-value patents in the field of integrated circuits using a multidimensional patent indicators pre-screening strategy and machine learning approaches［J］. Journal of Informetrics，2023，17（2）：101406.

［22］ 趙雪峰，吳德林，吳偉偉，等.基于深度學習與多分類輪詢機制的高質量“卡脖子”技術專利識別模型：以專利申請文件為研究主體［J］.數據分析與知識發現，2023，7（8）：30-45.

［23］ 張古鵬，陳向東.基于專利存續期的專利價值研究：一個基于收益服從指數分布假設的模型重構［J］.管理工程學報，2013，27（4）：142-149.

［24］ 劉謙，姜南，王亞利，等.國內高價值專利研究熱點演進與整合框架：基于SKM的可視化分析［J］.科技進步與對策，2022，39（21）：151-160.

［25］ LANJOUW J O， SCHANKERMAN M. Patent quality and research productivity：measuring innovation with multiple indicators［J］. The Economic Journal，2004，114（495）：441-465.

［26］ 付振康，柳炳祥，鄢春根，等.專利壽命視角下的核心專利識別模型構建［J］.圖書館論壇，2023，43（1）：112-120.

［27］ 李明，陳向東，宋爽.基于專利存續期的中國專利質量演變研究［J］.科學學與科學技術管理，2016，37（9）：26-36.

［28］ 李睿，范九江.高校專利可轉化性與其文獻計量特征相關性研究［J］.科技進步與對策，2021，38（17）：43-50.

［29］ 袁禮，龔鈺涵.專利質押融資對創業活躍度的影響［J］.數量經濟技術經濟研究，2023，40（11）：202-224.

［30］ 張軼.論專利獨占許可的法律屬性［J］.法律科學：西北政法大學學報，2023，41（3）：180-190.

［31］ 溫芳芳.專利引文視閾下企業技術影響力的測度與比較：以“世界500強”汽車企業為例［J］.情報雜志，2018，37（9）：58-63.

［32］ NONI I D， ORSI L， BELUSSI F.The role of collaborative networks in supporting the innovation performances of lagging-behind European regions［J］.Research Policy，2018，47（1）：1-13.

［33］ KOGAN L， PAPANIKOLAOU D， SERU A， et al.Technological innovation， resource allocation and growth［J］.The Quarterly Journal of Economics，2017，132（2）：665-712.

［34］ 李黎明，張亞峰.專利申請策略、專利保護范圍與專利價值［J］.中國工業經濟，2023（8）：80-98.

［35］ MARCO A C， SARNOFF J D， CHARLES A W. Patent claims and patent scope［J］. Research Policy，2019，48（9）：103790.

［36］ 喬永忠.技術創新測度：專利權利要求技術方案創造性［J/OL］.科學學研究：2023：1-12［2024-03-27］.https：//doi.org/10.16192/j.cnki.1003-2053.20231026.002.

［37］ LAI K K， BHATT P C， KUMAR V， et al. Identifying the impact of patent family on the patent trajectory： a case of thin film solar cells technological trajectories［J］.Journal of Informetrics，2021，15（2）：101143.

［38］ 符川川，陳國華，袁勤儉.基于機器學習的專利質量分析與分類預測研究：以區塊鏈技術專利為例［J］.現代情報，2021，41（7）：110-120.

The Evaluation Path of Potential High-Value Patents from the Perspective of Patent Duration

Xia Yun， Wei Tianyiwei

（School of International Business， Jinan University， Zhuhai 519000， China）

Abstract：As an important product of technological innovation， high-value patents have become a key factor in promoting social and economic development and enhancing corporate competitiveness. In recent years， with the rapid evolution of technological industry transformation， China has produced a large number of patent achievements. However， the conversion rate of patent achievements is not high， and low value patents occupy a large amount of resources， failing to play a role in promoting industrial upgrading. In this context， the Chinese government is increasingly valuing intellectual property construction and continuously implementing multiple policies to deepen the implementation of patent quality improvement projects. At present， improving the screening criteria， evaluation paths， and cultivation system for high-value patents has become an important issue of national concern. The duration of a patent is an important indicator of the operational performance of the patent system， which can directly reflect the degree of protection of the patent system for innovative entities and its ability to stimulate innovation vitality. A longer patent maintenance period helps encourage innovative entities to invest more in research and technological innovation， thereby promoting economic development and social progress. Therefore， the reasonable setting and management of patent maintenance period is not only beneficial for protecting intellectual property rights， but also has a positive effect on promoting technological innovation and industrial upgrading. Therefore， from the perspective of patent duration， this study constructs a patent evaluation index system based on four dimensions of technology-economy-law-strategy. It uses the IncoPat patent database as the data source for data retrieval， classifies high-value patents according to the high-value patent evaluation standards of the China National Intellectual Property Administration， then calculates the duration of invalid patents of high-tech listed enterprises in Zhuhai from 2003 to 2022， and uses it as a training set for training in-depth learning models. Finally， effective patents are used as a test set for evaluation and analysis of potential high-value patents. After calculating accuracy， macro average precision， macro average recall， and macro F1 score， it was found that the evaluation model constructed in this study can effectively complete high-value patent evaluation tasks. The experimental results indicate that the duration of a patent is closely related to its value， and patents with a longer duration often have higher technological content and stronger commercial competitiveness. The evaluation results of valid patents for high-tech listed enterprises in Zhuhai show that the number of high-value patents for high-tech enterprises in Zhuhai is relatively small， with most patents being ordinary patents and minor patents. The focus of Zhuhai's high-value patent layout includes wireless communication networks and electronic digital data processing fields. When evaluating potential high-value patents， governments and enterprises should focus on the duration of the patents and conduct comprehensive evaluations based on factors such as patent content， technological fields， and market demand. At the same time， efforts should be made continuously in the creation， application， and protection of high-value patents to improve the commercialization success rate of innovative achievements and promote their market transformation， thereby promoting sustainable economic and social development.

Key words： high-value patents; boosting deep learning; patent duration; evaluation indicator system

（欄目編輯：邵冰欣）

收稿日期：2023-11-16

基金項目：珠海市哲學社會科學規劃課題“知識產權強市戰略下珠海市高新技術企業高價值專利判別、測度與培育路徑研究”（2023YBB030）。

作者簡介：夏蕓（1978—），女，江蘇如皋人，博士，副教授，碩士生導師，研究方向：財務理論與企業創新；魏田苡薇（1999—），女，云南昆明人，碩士研究生，研究方向：資本市場與企業創新。