高校專利轉化價值評估研究

中圖分類號：G255.53 文獻標識碼：A

Evaluation of Patent Transformation Value in Universities： A Case Study of the Biological Industry

Abstract Market-oriented screeing and evaluation of stock patents in universities is an essntial measure to promote thecommercialization of sientificand technological achievementsand support high-qualityeconomic development. Evaluating the transformation value of patents basedon their potential for commercialization helpsuniversities more accuratelyassess theirpatents’latentvalue.Thispaperfirstaims toidentifythe transformationvalueofuniversitypatents byselecting appropriateevaluation indicators.It thenrefines themarketdimension indicatorsand analyzes their effectiveness using patent data from universities inthe strategic emerging industryofthe“biological industry\".Finally，a patent value evaluation model is constructed using a CRITIC-TOPSIS comprehensive evaluation method to calculate individual patent transformationscores and identify their transformation value.The empirical results show that the proposedevaluation model efectively identifies the transformation value of patents， with the patent value ranking correlating with the actual market prices，offering valuable insights for universities in screening stock patents.

Keywords patent transformation value; evaluation indicators; stock patents;universities

1引言

近年來，我國知識產權保護環境持續優化，專利產業化率整體呈穩步上升態勢。國家知識產權局發布的《2022年中國專利調查報告》顯示，我國有效專利產業化率由2018年的 36.3% 提高至2022年的45.0% ，但是，我國高校2022年的有效專利產業化率僅為 3.5% ，遠低于企業的 49.3%^[2] 。中國高校專利成果的轉化運用迫切需要提升。2021年6月，國家知識產權局辦公室、教育部辦公廳印發《高校知識產權信息服務中心建設實施辦法（修訂）》，要求推進高校知識產權信息服務中心（以下簡稱“高校中心”建設，完善知識產權信息公共服務網絡，推動將知識產權信息服務工作融入高校知識產權創造、運用、保護、管理、服務全鏈條，促進高校科技成果轉移轉化[3]。2023年10月，國務院辦公廳發布的《專利轉化運用專項行動方案（2023—2025年）》4提出梳理盤活高校存量專利，建立市場導向的存量專利篩選評價，推動一批高價值專利實現產業化的要求。2024年1月，國家知識產權局、教育部、科技部等多部委聯合制定了《高校和科研機構存量專利盤活工作方案》5，明確指出要有效發揮高校中心的作用，高質量完成存量專利的盤點、篩選等工作。在此背景下，有必要發揮高校中心的資源優勢和業務特長，提供精準化知識產權信息服務，深人研究以市場為導向的高校專利轉化價值評估，為提升存量專利篩選工作質量、促進高校專利運營和轉化提供重要保障。

本文以知識產權信息服務工作實踐為前提，基于融合專利價值經典評估指標和修正評估指標的視角，通過Mann-Whitney檢驗法客觀檢驗專利轉化價值評估指標的有效性，結合CRITIC-TOPSIS綜合評估方法構建專利轉化價值評估模型，開展實證研究，為高校開展存量專利轉化價值評估及專利管理提供參考。

2研究現狀

國內外學者關于專利價值的研究已經取得一定進展。歐洲學者Sanders等人[6于1958年率先提出“專利價值（patent value）\"的概念，其研究發現，不同專利的市場價值存在較大差別。20世紀60年代以來，專利價值評估的研究不斷涌現。我國在2023年9月1日起開始實施的國家標準計劃《專利評估指引》中明確，專利價值是指專利在現實市場條件下的使用價值，可以通過使用反映專利價值特征的因素，對專利價值進行分析評估。

在專利價值評估指標方面，有學者早期發現專利價值與專利壽命[8-9]、專利引用數據[10]之間的關系。中國技術交易所出版的《專利價值分析指標體系操作手冊》從專利的法律、技術和經濟3個價值維度建立專利價值評價指標體系，共包含18個評價指標[]。一些關于高校專利價值評估的研究中提及了企業專利價值評估中常用的有關專利的經濟效益、戰略相關性[12-13]、風險因素[14]等相關指標，但總體來看，此類指標多為需要進行人為判斷的主觀評價指標。

在專利價值評估方法方面，目前主要包括經濟學方法、綜合評價法、機器學習方法等。如 Kim 等人將專利評價指標和專利技術交易數據相結合構建了大學專利價值評估模型[15]。韓盟等人將貝葉斯理論與復相關系數和變異系數相結合，對專利可轉移的綜合概率進行分析[16]。Hsieh基于文獻調研和德爾菲法確定了專利價值評估的相關指標，并采用因子分析法進行綜合收益和綜合風險的評估[7]。來音等人構建了基于深度注意力機制的高校專利價值評估模型[18]。

由于不同領域知識結構和創新路徑存在差異，專利價值評估模型在不同的行業領域中會有差異[19]。多數研究直接根據現有文獻中專利價值評價的一般指標進行專利價值評估，較少針對評價樣本的實際數據情況進行指標的取舍和市場化驗證，因而可能會影響評價效力。

基于此，本文以高校生物產業專利為研究對象，基于專利轉化運用政策導向和實際需求，探究融合經典評估指標和修正評估指標的方法，以促進高校專利成果轉化為應用場景，檢驗評估指標的有效性，基于客觀數據構建可實踐的高校專利轉化價值評估模型，以期快速識別高校專利轉化價值，促進高校專利產業化。

3研究對象與數據來源

“十四五”時期，我國生物技術和生物產業加快發展，生物經濟成為推動高質量發展的強勁動力，生物新技術和新產品有望實現廣泛應用[20]。著眼于搶占未來產業發展先機，推動高校高價值專利培育和轉化工作，本文以高校生物產業專利為研究對象，首先根據《戰略性新興產業分類（2018）》21確定生物產業所屬的戰略性新興產業分類號，具體如表1所示。利用IncoPat數據庫，以戰略性新興產業分類號為檢索要素，篩選中國申請人類型為“大專院校”，對高校生物產業專利進行全面檢索，檢索范圍為中國發明專利，專利公開時間范圍為2013年1月1日—2022年12月31日，數據預處理方法為人工去噪和人工標引。

4專利轉化價值評估指標設計

4.1專利轉化價值評估指標的選取

本文對高校專利進行轉化價值評估，進而在早期識別高校潛在可轉化專利。對于高校而言，需要借助有限的資源對海量的專利進行評估工作，因此不適合采用主觀性較強的評估方法。考慮該應用場景，本文通過充分梳理國內外文獻研究指標和咨詢專家意見，從經典評估指標和修正評估指標兩類來細化選取基于客觀數據的高校專利轉化價值評估指標（見表2）。

4.1.1經典評估指標

從表2可以看出，經典評估指標包括技術維度、法律維度、主體維度和市場維度。IPC分類號數量[22]體現專利的技術寬度。專利的法律維度通過權利要求數量[23]和文獻頁數[24]來體現，專利權的保護范圍由專利的權利要求來限定，專利文獻頁數反映發明人對專利技術方案的公開程度和專利撰寫質量。主體維度涵蓋申請人數量[25]和發明人數量[26-27]兩個指標。專利申請的主體反映專利技術研發規模和專利創新程度，發明人數量代表專利研發團隊規模。市場維度選取專利維持期[28-29]和國民經濟分類數量指標，專利維持期限定經濟壽命，國民經濟分類號反映專利所在的市場應用范圍[30]

現有研究多數僅關注新指標與專利價值的相關性，而將形成的新指標與經典評估指標融合綜合評估專利價值的有效性還有待進一步研究[31。《專利評估指引》中指出，在專利轉讓評估場景下，根據專家經驗，技術維度和經濟維度的重要性應適當提高，因此，本文重點對技術指標和市場指標進行進一步修正。許景龍等人提出，專利價值分析指標應該有針對性地考慮指標無量綱化[32]。本文借鑒 H.Emst 等人[33]對市場覆蓋程度（marketcoverage）和技術影響力（technologyrelevance）的探索來修正技術指標和市場指標，并將修正的評估指標與經典評估指標結合，綜合評估專利轉化價值。

4.1.2修正評估指標

（1修正的專利引文數量和被引證次數。專利的引文數量與專利的公開時間有一定相關性，新公開專利的引文數量往往比早年公開專利的引文數量要少。此外，不同技術領域的專利引用習慣不同，導致不同領域的專利引用次數也有所差異。為了消除這些差異，引入某個領域同一年所有公開專利的平均引用次數進行校正[33]。修正的引文數量定義為專利引文數量/在該專利公開年內該領域的篇均引文數量。

H.Ernst并未討論專利被引證次數的有針對性無量綱化。本文認為，專利被引證次數也應同時考慮技術領域和不同公開時間引起的差異。例如，專利公開時間越晚，其專利被引證次數在一定程度上越少。因此，修正的被引證次數定義為專利被后續專利引證的次數/在該專利公開年內該領域的篇均被引證次數。

（2）修正的專利族大小。專利族反映了專利的市場布局。不同公開類型的專利，其市場占有率在一定程度上是不同的，授權專利的市場轉化率比已公開未授權的專利申請的市場轉化率更高，該差異根據專利公開類型賦予不同的權重來體現[33]。具體地，每個專利修正的專利族大小指標定義為專利同族數量乘以專利公開類型對應的權重。處于授權階段的專利，權重是1；處于申請階段的專利，權重是0.7。

4.2專利轉化價值評估指標有效性檢驗

基于篩選具有潛在轉化價值的專利的角度，以專利是否可轉化作為專利價值的評估目的，檢驗評估指標的有效性。本文共收集我國高校生物產業轉讓或許可專利17036項，將這些專利作為高轉化價值專利樣本H，另隨機抽取17036項高校未發生轉讓或許可的失效專利作為低轉化價值專利樣本L，從IncoPat數據庫中導出上述34072項樣本專利的關鍵字段，對其10個專利轉化價值評估指標進行人工標引。另外，分別計算各公開年份篇均引文數量和篇均被引證次數（見表3），進而修正每項專利的引文數量指標值和被引證次數指標值。

統計17036項高轉化價值專利樣本H的各評估指標數據，以及17036項低轉化價值專利樣本L的各評估指標數據。對兩組樣本進行非參數檢驗，獨立樣本Mann-Whitney檢驗比簡單對比均值比較組間差異的效果更加直觀，針對方差不齊或者非正態性數據進行差異性對比更加有效，利用 Mann-Whitney 進行檢驗的結果如表4所示。

觀察表4，兩組樣本對于IPC分類號數量、權利要求數量、文獻頁數、專利維持期、申請人數量、發明人數量、國民經濟分類數量、修正的引文數量、修正的被引證次數、修正的專利族大小10個指標全部呈現出0.01水平顯著性差異（ plt;0.01 ）。具體對比中位數差異性可知，IPC分類號數量、權利要求數量、文獻頁數、發明人數量、專利維持期、國民經濟分類數量、修正的引文數量、修正的被引證次數8個評估指標在高轉化價值專利樣本H中的值更高。對于申請人數量指標，整體上看是高轉化價值專利樣本H中的申請人數量小于低轉化價值專利樣本L，這與我們的預期相違背，剔除該項指標。對于修正的專利族大小指標，兩個樣本的中位數并沒有差異，說明差異來源為數據分布不同，借助箱線圖查看差異，如圖1所示，兩個樣本中該項指標的整體上下邊界范圍有著明顯差異，高轉化價值專利樣本H的修正的專利族大小有更廣的數據范圍，數值整體上高于低轉化價值專利樣本L。據此，本文選取IPC分類號數量、權利要求數量、文獻頁數、發明人數量、專利維持期、國民經濟分類數量、修正的引文數量、修正的被引證次數、修正的專利族大小9個指標綜合評估高校生物產業專利轉化價值。

4.3構建基于CRITIC-TOPSIS綜合評估的高校專利轉化價值評估模型

4.3.1CRITIC法計算指標權重

本文采用CRITIC方法對指標進行客觀賦權，該方法綜合考慮了數據的對比強度和沖突性這兩項指標，消除了相關性較強的指標對最終結果的影響，并減少指標之間的信息重疊，與常用的熵權法相比，更有利于得到可信的評價結果[34]。CRITIC方法不僅通過標準差來衡量同一指標內部的差異程度，還使用相關系數來反映指標之間的相關性。標準差越大，同一指標下各評價對象的取值差異就越大，權重就越大；相關系數越大，指標之間的沖突性就越小，權重就越小。采用CRITIC方法確定權重的計算步驟如下：

首先基于各指標值構建原始評估矩陣 A=（X_ij）_m×n 其中 m 表示評估指標的個數， n 為待評估的對象個數， X_ij 為第 i 個待評對象關于評估 X_j 指標的評估值（ i= 1，2，…，n;j=1，2，…，m）^[35] 。由于各指標的量綱不統一，且均為正向指標，按公式（1）進行數據歸一化處理；其次按照公式（2）和（3）計算沖突性及對比強度指標；最后按公式（4）計算各指標的權重。

公式（1）

其中， y_ij 表示歸一化處理后的矩陣。

其中， V_j 為第 j 項指標的變異系數， σ_σ 為第 j 項的標準差， 為第 j 項指標的平均數。

公式（3）

其中， T_j 為沖突性指標， y_pi 和 y_pj 為第 p 個評估對象的第 i 項和第j項指標值。

其中， ω_j 為各評估指標權重。

4.3.2TOPSIS法計算專利轉化價值綜合得分

在多目標綜合評價中，TOPSIS法被證明是更加有效的，其根據有限個評估對象與理想化目標的接近程度，對現有對象進行相對優劣排序[36]。獲得權重后，即可計算樣本中各組專利數據相對于最優解及最劣解在CRITIC權重下的歐式距離，具體計算公式為：

其中， 表示第 j 個指標的最優（劣）值， D_j⁺ 和 D_j^- 代表評估對象與最優解和最劣解的距離 D_j⁺ 值越大，說明與最優解距離越遠； D_j^- 值越大，說明與最劣解距離越遠。最理想的研究對象是 D_j⁺ 值越小同時D_j^- 值越大。

最后，通過相對接近 C 度的計算來對所有專利進行價值排序，根據公式（7）計算各單項專利的轉化價值綜合得分。

其中， C_j 為各單項專利的綜合評價值。該值介于0一1之間，該值愈接近1，說明評價方案愈接近最優水平，即專利轉化價值更高，反之，愈接近最劣水平，其專利轉化價值越低。

5實證研究

5.1研究對象及數據來源

本文以復旦大學為例，在IncoPat數據庫中收集申請人為復旦大學的生物產業專利，專利公開時間范圍為2013年1月1日—2022年12月31日，獲得

6696項專利。通過對各指標數據進行描述性統計，對缺失值和異常值進行處理，最終得到6576項復旦大學生物產業專利數據，作為本次分析樣本F。對各評估指標進行人工標引，依據4.1的描述，對專利引文數量、專利被引證次數和專利族大小三個指標進行修正。

5.2復旦大學生物產業專利轉化價值評估

首先，指標歸一化。統計復旦大學專利的各評估指標數據，依據公式（1）進行專利數據歸一化處理。

其次，計算各指標權重。各指標權重根據公式（2）、公式（3）、公式（4）計算可得，本文通過SPSS分析軟件對歸一化后的指標進行CRITIC賦權，其計算結果如表5所示。

最后，計算專利轉化價值綜合得分。獲得權重后，根據公式（7）計算復旦大學生物產業專利價值得分，由于利用TOPSIS計算出來的得分值較小，反映專利價值評分的直觀性較差，因此為了更好地反映專利價值得分水平，本文將所有計算出來的得分采用最大-最小規范化的方式映射到[1，10]的區間內，結果如表6所示。

6結果與分析

6.1模型有效性分析

為了驗證模型的有效性，將本文構建的CRITIC-TOPSIS綜合評估模型分別與廣泛使用的熵值法、CRITIC權重法以及熵權TOPSIS綜合評估法的評估模型進行對比。計算專利綜合轉化價值得分，依據二八原則，排名前 20% 的專利可被認為是具有較高價值的專利，因此，通過比較各模型評估的排名前 20%專利中已轉化專利數量情況來進行驗證，具體如圖2所示。

從圖2可見，與采用熵值法、CRITIC權重法以及熵權TOPSIS綜合評估法的評估結果相比，采用本文的CRITIC-TOPSIS綜合評估法在排名前 5% 、前10% 前 20% 這幾個范圍的專利轉化數量占比均是最高的。因此，與目前較多采用的客觀評價方法相比，采用CRITIC-TOPSIS綜合評估法進行專利轉化價值評估來識別潛在可轉化專利是更加有效的。

對于復旦大學生物產業專利樣本F，共許可或轉讓專利369項，占總樣本量6576的 5.61% ，專利平均轉化價值得分為3.7，可見，目前的已轉化專利占比較低。采用本文方法進行價值排序后，對于排名前1% 的樣本專利，發現其中已轉化專利為12項，占比為 18.20% ，專利平均轉化價值得分為7.44，專利轉化占比和專利平均轉化價值均顯著高于總樣本平均水平。對于排名前 20% 的專利，發現其中已轉化專利數量為116項，占比為 8.82% ，專利平均轉化價值得分為5.65，專利轉化占比和專利平均轉化價值高于總樣本平均水平。此外，比較專利轉化價值得分排名前20% 和排名后 80% 的專利情況發現，專利轉化價值得分排名前 20% 中專利轉化占比和專利平均轉化價值明顯高于排名后 80% （見圖3）。說明本文的專利轉化價值評估方法可以有效篩選潛在高轉化價值專利，能夠輔助高校在存量專利中發掘具備潛在轉化價值的專利。

6.2高校專利轉化價值排名評估的市場價格驗證

為驗證高校專利轉讓價值排名評估的市場應用性，查詢高校已轉化專利的交易價格。根據復旦大學內網上的專利權轉讓及資產評估公示，在6576項總樣本中獲得6件專利的實際轉讓金額。從表7可以看出，專利P1、P2和P3的轉化價值得分在4—5分的區間，實際轉讓金額在150萬—200萬元的范圍；專利P4、P5和P6的轉化價值得分在3一4分的區間，實際轉讓金額在60萬一80萬元的范圍。因此，本文轉化價值評估得分高的專利，其實際轉讓金額也更高，驗證了本文所提方法的實用性。該方法能夠在早期快速地預估專利參考價格范圍，提升高校專利產業化效率。

6.3高轉化價值專利技術分析

對排名前 20% 的高轉化價值專利的主要技術（IPC大組）分布進行分析。含有機有效成分的醫藥配制品（A61K31，344項專利）領域的專利數量最多，抗腫瘤藥（A61P35，297項專利）具有極高的創新熱度，是研究重點。突變或遺傳工程、載體、宿主等（C12N15，282項專利），包含酶、核酸或微生物的測定或檢驗方法（C12Q1，223項專利），以所用的非有效成分為特征的醫用配制品（A61K47，133項專利）均獲得了較為廣泛的研究。利用特殊方法來研究或分析材料（G01N33，129項專利）抗感染藥（A61P31，117項專利）、含肽的醫藥配制品（A61K38，91項專利）、以特殊物理形狀為特征的醫藥配制品（A61K9，88項專利）、神經系統藥（A61P25，84項專利）的研發熱度排在第6—10位。

《“十三五\"生物產業發展規劃》中提出加速新藥創制（對應于A61K31，醫藥專利主要分類號）和產業化，推動重點領域新發展，強調以臨床用藥需求為導向，依托高通量測序（對應于C12Q1）、基因組編輯（對應于C12N15）微流控芯片等先進技術，促進轉化醫學發展，在腫瘤（對應于A61P35）重大傳染性疾病（對應于A61P31）、神經精神疾病（對應于A61P25）、慢性病及罕見病等領域實現藥物原始創新。加快創制新型抗體、蛋白及多肽（對應于A61K38）等生物藥。該文件引領高轉化價值專利的發展。

除了政策導向，生物醫藥產業局面受突發需求影響較大，新冠肺炎疫情的暴發，直接推動檢測技術的快速發展（對應于C12Q1）。

可見，本文評估結果具有政策依賴性和市場需求依賴性的特點，與領域產業發展方向相符，進一步驗證了本文方法的有效性。

7結語

本文以戰略性新興產業“生物產業\"2013—2022年高校專利數據為分析對象，篩選出在轉化專利與一般專利中表現出明顯差異化的9個評估指標，構建高校專利轉化價值評估模型。評估指標分為經典評估指標和修正評估指標，經典評估指標包括IPC分類號數量、權利要求數量、文獻頁數、發明人數量、專利維持期、國民經濟分類數量，修正評估指標包括修正的引文數量、修正的被引證次數、修正的專利族大小。基于識別復旦大學生物產業潛在可轉化專利的目的，通過CRITIC-TOPSIS綜合評估方法驗證本文方法的有效性。通過實證分析和結果驗證可知，本文所構建的基于修正評估指標的高校專利轉化價值評估方法能夠在海量專利中有效識別專利轉化價值，并在早期快速地預估專利參考價格范圍，提升高校專利產業化效率，為高校開展海量存量專利篩選評估工作提供幫助。

本文僅通過專利客觀數據計算專利轉化價值，由于專利數據無法準確反映高校科技成果轉化過程中的復雜性與不確定性，專利轉化價值評估模型有待改善。鑒于以上不足，下一步的重點將結合相關領域專家意見改進評估指標，并結合高校知識產權管理人員重點學科建設、重點發明人、成果獲獎等其他信息的掌握情況，對初篩得分較高的專利進一步篩選，以提升高校專利轉化價值評估的有效性和指導性。

參考文獻：

[1]慎金花，劉玥，張更平.單項專利價值的評估與定量評估指標體系的構建：基于鄰域粗糙集與果蠅優化神經網絡的單項專利價值評估[J].大學圖書館學報，2020，38（3）：48-56，64.

[2]2022年中國專利調查報告[EB/OL].（2022-12-28）[2024-03-17].htps：//ww.cnipa.gov.cn/art/2022/12/28/art_88_181043.html.

[3］國家知識產權局辦公室教育部辦公廳關于印發《高校知識產權信息服務中心建設實施辦法（修訂）》的通知[EB/OL].（2021-06-15）[2024-05-24].https：//www.cnipa.gov.cn/art/2021/6/15/art_581_160040.html.

[4］國務院辦公廳關于印發《專利轉化運用專項行動方案（2023—2025年）》的通知[EB/0L].（2023-10-19）[2024-05-24].http：//www.scio.gov.cn/zdgz/jj/202310/t20231020_775324.html.

[5］國家知識產權局教育部科技部工業和信息化部 農業農村部 國家衛生健康委 國務院國資委中國科學院關于印發《高校和科研機構存量專利盤活工作方案》的通知[EB/OL].[2024-06-20].htps：//www.gov.cn/zhengee/zhengceku/202402/content_6930439.htm.

[6]SANDERSBS，ROSSMANJ，HARRISLJ.Theeconomic impactof patents[J].Patent，Trademark and Copyright JournalofResearch and Education，1958，2（3） ：340-362.

[7］國家市場監督管理總局，國家標準化管理委員會.專利評估指引（標準號：GB/T42748-2023）[EB/OL].[2024-04-06].https：//openstd.samr.gov.cn/bzgk/gb/newGbInfo？hcno=21AB9B32C8B01C3849AF785EBEFC357B.

[8]SCHANKERMANM，PAKES A.Estimates of the valueof patent rights ineuropean-countriesduring thepost-195OperiodJ].Economic Journal，1986，96（384） ：1052-1076.

[9]LANJOUWJ，PAKES A，PUTNAM J.How to count patents and value intelectual property：The usesof patent renewal andapplication data[J].Journal of Industrial Economics，1998，46（4）：405-432.

[10]Trajtenberg M.Apennyforyourquotes：PatentcitationsandthevalueofinnovationsJ].RANDJournalofEconomics，1990，21（1）：172-187.

[11］中國技術交易所.專利價值分析指標體系操作手冊[M].北京：知識產權出版社，2012：1-29.

[12]WANG BHSIEHCH.Measuring the value of patents with fuzzy multiple criteriadecision making：insight intothe practicesof theindustrial technology research institute[J].Technological ForecastingandSocial Change，2O15，92：263-275.

[13]王婷，徐明，劉峰濤.高校新技術專利評價方法探討[J].科技管理研究，2011，31（7）：46-49，30.

[14]趙浩.基于綜合價值分析的有色金屬行業科研院所專利管理的策略研究[J].中國有色金屬，2017（S1）：404-411.

[15]KIM YC，AHNJM，KWONO，et al.Valuationofuniversityoriginated technologies： Apredictive analyticsapproach[J].IEEE Transactions on Engineering Management，2021，68（6）：1813-1825.

[16]韓盟，吳紅，李昌，等.高校可轉移專利識別研究：基于貝葉斯理論和組合賦權法[J].圖書情報工作，2021，65（5）：118-125.

[17]HSIEHCH.Patent value assessmentandcommercializationstrategyJ].TechnologicalForecasting and Social Change，013，80（2）：307-319.

[18］來音，李婉麗，李崢峰，等.深度注意力機制下的高校專利價值評估方法：基于歷史轉化特征錨定效應視角[J].情報雜志，2023，42（8）：200-207.

[19］呂璐成，趙亞娟.基于客觀數據的專利價值評估指標進展與評述[J].圖書情報工作，2023，67（18）：129-139.

[20］國家發展改革委關于印發《“十四五\"生物經濟發展規劃》的通知[EB/OL].[2024-03-26].hps：//www.ndrc.gov.cn/xgk/zcfb/ghwb/202205/t20220510_1324436.html.

[21]戰略性新興產業分類（2018）（國家統計局令第23號）[EB/OL].[2024-04-22].htps：//ww.gov.cn/zhengce/zhengceku/2018-12/31/content_5433037.htm.

[22]LERNERJTheimportanceofpatentscope：Anempiricalanalysis［J]RANDJoualofEconomics，994，25（5）：19-33.

[23］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.

[24］彭茂祥，李浩.基于大數據及TRIZ理論的專利技術智能化開發運營模式研究[J].圖書情報知識，2016（6）：80-87.

[25]GUELLEC D，VAN POTTELSBERGHE DE LA POTTERIE B.Applications，grants and the value of patent[J].EconomicsLetters，2000，69（1） ：109-114.

[26]REITZIG M.Improving patent valuations for management purposes—validating new indicators byanalyzing applicationrationales[J].ResearchPolicy，2004，33（6/7）：939-957.

[27]范月蕾，毛開云，于建榮.核心專利指標效力研究評述[J].圖書情報工作，2014，58（24）：121-125.

[28]蔡中華，侯翱宇，馬歡.專利維持時間影響因素的實證研究[J].科技管理研究，2015，35（21）：160-163.

[29]胡諜，王元地.企業專利質量綜合指數研究：以創業板上市公司為例[J].情報雜志，2015，34（1）：77-82.

[30]孫冉，安璐，李綱.多特征融合的專利價值預測：以5G技術為例[J].現代情報，2022，42（11）：87-96.

[31］呂璐成，趙亞娟.基于客觀數據的專利價值評估指標進展與評述[J].圖書情報工作，2023，67（18）：129-139.

[32]許景龍，呂璐成，趙亞娟.面向專利分析流程的專利情報分析工具功能比較研究[J].情報理論與實踐，2020，43（8）：178-185，151.

[33]ERNSTH，OMLANDN.The patentasetindex-anewapproach tobenchmarkpatent porfolios[J].World patentinformation，2011，33（1）：34-41.

[34]卜偉，孫駿，王鈺云，等.江蘇高校協同創新中心績效評價研究：基于改進的G1-CRITIC-TOPSIS綜合評估模型[J].科技管理研究，2023，43（1）：62-70.

[35]DIAKOULAKI D，MAVROTAS G，PAPAYANNAKIS L.Determining objective weights in multiple criteria problems ： Thecritic method[J].Computers and OperationsResearch，1995，22（7）：763-770.

[36]SHIHH S，SHYUR HJ，LEEE S.An extension of TOPSIS for group decision making[J].Mathematicalamp; ComputerModelling，2007，45（7）：801-813.