创新主体预测竞争对手或自身专利能否获批及获批速度,是一项重要的竞争情报工作。审批耗时会占用专利的有效期,有的发明专利审批耗时达8年甚至12年。审批耗时越长,对从申请日起算最长20年的专利有效期的折损就越大,对专利价值的影响也越大。本文旨在构建一种情报学方法,通过挖掘专利文献的系列特征形成预测模型,用于预测专利能否获批以及获批的速度。整个研究包括两个部分逻辑内容,即获批预测和速度预测。首先,应用相关分析与Cox比例风险回归模型对所选特征进行检验。其次,在此基础上,针对前面提取到的技术内容量属性、技术结构属性、技术功能属性、技术概念明确度属性以及申请人发明人属性等系列特征,使用辅助学习的方法,利用审查结果与审查周期的关联信息构建专利获批速度预测模型(patent approval time prediction model,MACP)。研究结果显示,基于辅助任务组合的MACP较已有的基线模型表现更佳。由于MACP模型有效地学习与利用了更多的专利审查过程知识,降低了对数据量的依赖,能取得更好的预测效果。
暂无评论