高校专利价值评估模型构建*

冉从敬 李 旺

(武汉大学信息管理学院 武汉 430072)

0 引 言

分析已有研究发现，对于专利价值评估模型构建的研究，国内外学者主要从以下两个方面展开了深入讨论：第一，在具备转移价值专利识别方面，国外学者如Dahooie等提出一种结合MADM方法的专利价值评估和优先级确定框架[2]；Ma等结合石油工业的技术特点，创新性地构建了一套包括指标体系、指标权重计算、评分标准确定和专家评分计算在内的专利价值评估体系[3]；Han等使用文本挖掘来识别与专利价值相关的重要因素，并着重挖掘其生存期，该研究预计将有助于提高专利价值评估水平[4]。国内学者如宋凯通过指标选取并将熵权TOPSIS模型的人工评估与基于梯度提升树的机器学习评估相结合，对高校专利中具备转让/许可价值和存在失效风险的专利进行评估[5]；郭玲等结合技术、法律和市场相关方,提出了适于企业内部评估管理、主客观相结合的专利价值评估指标[6]；吕霁结合专利价值理论及BP神经网络理论，构建了专利价值评估神经网络模型，证明了BP神经网络在专利价值评估中的适用性[7]。第二，在专利转让价值预估方面，国外学者如Hiller等提出了一种使用总市场数据和BLP模型来衡量专利价值的方法，发现其可以合理地模拟均衡价格和几种假设的专利侵权中的份额[8]；Grimaldi等提出了一个可以评估和分析专利组合价值的框架并制定了专利组合价值指数，可以从内部业务角度对专利进行估值[9]；Lai等结合扩展神经网络构建了专利指标和损害赔偿的估值模型，并在专利交易与质押融资中提供价值参考[10]。国内学者如程文婷通过重置成本法和收益法评估出专利交易价格的下限和上限，并结合市场比较法评估出参考价格，实现专利资产的最佳转移价格[11]；冷雄辉等运用层次分析法模糊综合评价法，并依据隶属度与初评值对专利的实际价值进行估算[12]；刘勤等通过专利、发明人与权利人三个维度提取高价值基因，使用熵权法对基因赋权，并据此构建专利价值评估模型[13]。

分析发现，在具备转移价值专利识别方面，已有研究主要从构建指标体系，采取定量分析进行专利价值评估，或者借助于机器学习算法进行专利价值评估。借助指标体系评估的方式需要依据体系对专利进行逐件评估，效率较低且主观性较大；而采用机器学习算法的评估方式则高度依赖算法运行，无法发挥主观能动性，如果对识别结果进行人工干预，则容易造成结果失真现象。在专利转让价值预估方面，已有研究主要使用市场法、成本法与收益法等通用方法，少数研究者使用了机器学习、深度学习等新兴方法。由于传统评估方法存在公式复杂难以理解、可用数据较少收益不确定等弊端，无法做到专利价值精准评估；而新兴方法学习样本需求量大，评估指标与模型还需完善。基于此，本文在借鉴与吸收已有研究成果的基础上，从可行性、科学性、适应性角度出发，提出一种高校专利价值评估模型，在具备转移价值专利识别阶段采用熵权法对专利进行有效识别；在专利转让价值预估阶段大量检索存在转移价值专利的主要IPC分类号下存在诉讼价值的专利，运用熵权TOPSIS模型赋权后对分数与判赔额度进行曲线拟合，从而实现专利价值预测。将该模型应用于识别与预估武汉大学的专利数据，获得了较为满意的结果，也验证了方法的有效性与实用性，同时也为促进高校科技成果管理部门的专利运营效率，以及企业快速锁定高校高价值专利提供了实践参考。

1 研究步骤与研究方法

科学选取专利价值评估指标，运用熵权法识别高价值专利，而后结合熵权TOPSIS模型进行赋权评分与曲线拟合，从实现对存在转移价值专利的价格预估，如图1所示。由图1可知，本文遵循“专利价值评估指标选取→基于熵权法的专利价值评估研究→存在转化价值的专利市场价值预测”的逻辑流程，具体研究内容与研究方法如下：

图1 高校专利价值评估模型

1.1 专利价值评估指标选取

构建高校专利价值评估方法的第一步为选择评价指标，评价指标的适用度直接关系着专利价值评估方法是否具备可用性和科学性。经过文献查阅得知，已有研究已经对评价指标与转移价值的相关性有了充分论证，所以本文在已有研究的基础上，依据国家知识产权局的《专利价值分析指标体系操作手册》，对已有的价值评估指标进行扩展与延伸[14-15]，综合技术、法律、经济3个维度，遵循易获取性、综合性原则，得到12个基于专利文献自身的二级指标，如表1所示。

表1 高校专利价值评估指标

1.2 基于熵权法的专利价值评估研究

在构建了高校专利价值评价指标体系后，下一步就是以人工方式对未发生权利转移的专利进行评估。由于主权赋权法对专家的整体素质与主观性依赖过大，不利于得出合理的评估结果，所以本文为了使结果不受主观判断影响，使用熵权法这一客观赋权法对专利进行赋权打分。本文将处理后的专利数据根据权利转移次数划分为权利转移实验集与权利未转移实验集，首先将全部专利数据导入指标体系中，通过熵权法计算指标权重，根据指标权重对权利转移实验集的每个专利进行打分，并对分数进行正态分布验证，确定评判权利未转移数据集中存在转移价值专利的阈值，而后将权利未转移实验集引入指标体系中，也对其进行赋权打分，最后根据评判阈值对权利未转移实验集进行筛选，筛选出高于阈值的权利未转移专利，我们将其称为有潜在转移价值的专利，并将其归入权利转移数据集，进而得出专利筛选的最终成果。

1.3 存在转化价值专利市场价格预测研究

基于前文相关研究，笔者识别出了高校存在潜在转移价值的专利，而后就要对该专利集进行价格预估。笔者首先对识别出的真正存在转移价值的专利的IPC分类号进行归类，统计出占比最高的IPC分类，作为存在诉讼价值专利检索的数据范围。由于熵权 TOPSIS 法是将信息熵和 TOPSIS 相结合的评估方法，可以克服传统TOPSIS方法不能够反映变量之间相对重要程度的局限，能客观确定指标的相对权重，更具有科学性和可行性[16]。所以笔者运用熵权TOPSIS模型对识别出的专利与后期检索出的存在诉讼价值的专利进行赋权打分，并且将存在诉讼价值专利的分数与其判赔额度进行曲线拟合，进而对识别出的专利进行价格预测。

2 实验过程及分析

2.1 数据来源预处理

本文的数据来源基于IncoPat专利数据库，申请人限定为“大学”，检索式为：(AP=(武汉大学)) AND ((STATUS=(“有效”)) )，时间不限，一共检索到10 808件专利。首先通过权利转让次数将数据集划分为“权利已转移”数据集(860件)与“权利未转移”数据集(9 948件)，依据本文构建的指标体系，获取指标体系下每件专利的指标数据，构建专利指标数据库。

汉晋之际，九品中正制确立、门阀制度盛行、庄园经济繁荣以及天人感应神学体系崩溃，玄学思潮兴盛，道家思想得到了复兴、勃发，促进了人的觉醒、艺术的自觉，推动着艺术精神的独立，都在客观上催生了江南艺术世家的形成。值得注意的是，以琅邪王氏、陈郡谢氏为代表的江南艺术世家，不仅有着深厚的艺术修养，而且以家族为单位践行着家族式的艺术传承，这对于汉魏六朝艺术的繁荣和发展有着重要意义，也深刻影响着后世艺术的创作与传承。

2.2 基于熵权法的专利价值评估研究

首先，依据熵权法实验流程，通过前期构建的指标体系并将专利数据导入体系中进行计算，最终得到高校专利价值评估指标的权重，该权重为评价高校专利价值的最终依据，见表2。

表2 高校专利价值评估指标权重体系

其次，在获取权重后，依据熵权法计算流程，我们将“权利已转移”数据集代入指标体系权重中，计算出该数据集下的专利得分。经测算得知，“权利已转移”数据集专利最高分为0.385，最低分为0.002，将专利得分导入SPSS中进行正态性检验分析，由于研究数据的样本量大于50，所以使用K-S检验，根据输出结果可以发现得分全部均呈现出显著性(p<0.05)，意味着拒绝原假设(原假设：数据正态分布)，所以次数据及不符合正态分布，呈现偏态分布趋势，数据则无法体现典型值，而且偏态数据影响均值的典型值，那么我们便使用中位数作为评估权利未转移专利价值度的阈值，这样使得实验结果更加准确。经测算得知“权利已转移”数据集得分中位数为0.06，所以我们将“权利已转移”数据集的中位数作为衡量权利未转移专利是否有价值的阈值。

最后，我们将“权利未转移”数据集引入指标体系的权重中，通过熵权法对其进行专利价值测算以得出最终评分。通过测算得知，在权利未转移专利中，专利价值评分最高分为0.303，最低分为0.00009，由此可见未转移专利中的专利价值虽然参差不齐，但是依旧有许多存在转移价值的专利。

通过“权利已转移”数据集专利得分的中位数0.06对“权利未转移”数据集的9 948件专利得分进行筛选，我们得出了3 673件价值得分高于阈值的专利，我们将其称为“存在转移价值”的专利。

综合上述实验流程，运用熵权法对“武汉大学”权利未发生转移数据集进行专利识别，识别出该数据集中存在转移价值的专利。经测算，在该方法下识别出“存在转移价值”专利3 673条，占“武汉大学”权利未转移专利数据总量的36.9%；“不存在转移价值”专利6 275条，占“武汉大学”权利未转移专利数据总量的63.3%，该结果表明“武汉大学”专利数据中少部分专利具备转移价值，大部分专利转移价值不大。之所以产生这样的结果，一方面是由于高校在申请专利时为了保护核心技术而进行专利布局，申请了不具备转移价值的专利；另一方面，高校的课题研究过程中也申请了一批专利，但是这些专利是项目导向，与权利发生转移的专利数据相比在经济、法律与技术方面仍有差距。为了验证模型有效性，本文对该方法下识别出的“存在转移价值”与“不存在转移价值”的专利数据集的指标均值进行计算，结果如表3所示：

表3 指标均值统计表

分析表3可得，“存在转化价值”专利其12个指标均值均大于“不存在转化价值”专利的指标均值验证了模型的有效性。这说明该模型可以为促进高校科技成果管理部门进行专利价值评估与提高专利运营效率提供借鉴意义，也为企业快速锁定高校高价值专利提供了实践参考。

2.3 存在转化价值专利市场价格预测研究

2.3.1价值评估

结合前文基于熵权法的专利价值评估的筛选结果，运用熵权法重新计算各评价指标权重，而后针对各个指标的权重，对其进行加权处理，运算出正负理想点与相对接近度。结合双基点法的特征可知，相对接近度越小越贴近最优点，说明专利价值越大。而本部分将要对“存在转化价值”专利进行市场价值预测，为了使得专利价值与相对接近度呈现正相关关系，本文结合双基点法的相对接近度越小所代表的专利价值越大的性质，对相对接近度进行逆向化处理，用单位1减去相对接近度，那么得出的结果为逆向化相对接近度，且逆向化相对接近度越大，专利价值越高。运算结果如表4所示：

表4 存在转移价值专利双基点法逆向化运算结果(Top5)

2.3.2价值拟合

为了构建价格拟合曲线，本文首先对前文混合方法下专利价值评估的筛选结果进行IPC分类统计，发现在3 673条专利数据中，IPC主分类为“G”大类的数据有1 991条，占数据总量的54.2%，这说明在“武汉大学”存在转移价值的专利中，多数专利的技术领域与以“G”大类为主分类所申请的专利相一致。基于此，本文通过IncoPat数据库进行检索，在IPC分类号中选择“G”大类，在检索结果中挑选其中包含诉讼且目前有效的专利。从中找出诉讼内容里面明确划定了判赔额度或者转让价值的专利数据，合计检索出88条专利数据，而后根据2：8原则将数据分为训练集(70条)与验证集(18条)。而后对数据训练集运用熵权TOPSIS法进行价值评估与排序，并对相对接近度进行逆向化，结果如表5所示：

表5 相同技术主题发生诉讼的专利价值度(Top5)

结合表5相关数据，选择相对接近度与诉讼判赔额度作拟合曲线，其中，x为相对接近度，y为专利判赔额度或转让价格。除“便携式可充电交流磁场探伤仪”等少量专利不吻合曲线规律外，其余都吻合，因此，该曲线可以基本上反映出该领域专利的市场价格趋势，结果如图2所示。

图2 专利价值度与诉讼判赔额度关系曲线

2.3.3曲线验证

为了证明价格曲线的合理性，本文对数据验证集运用熵权TOPSIS法进行价值评估与排序，计算出其相对接近度，并对接近度进行逆向化，得出其逆向化数值，而后将数值引入价格拟合曲线中，从而验证曲线的准确性,见表6。

表6 数据验证集专利价格预测(Top5)

通过对比数据验证集“判赔额度或转让价格”与“判赔额度或转让价格预测”可知，专利实际价格与预测价格虽存在误差但整体误差在可接受范围内，所以出现这个结果可能是高校在进行专利转移转化时，除了专利本身价格外，还涉及转移手续费、协商价格区间等一系列专利价格之外的额外花销，都会影响专利转让的最终价格，所以可以验证本文提出的专利价格预测方法合理有效，可以作为高校专利转移转化时的价格参考。

2.3.4价格预测

依据图2展示的价格拟合曲线，我们可以得知专利价格与逆向相对接近度呈现对数关系，且R2=0.7287，价格拟合函数为y= 3866.1ln(x) + 333.48，根据该价格拟合函数，本文大致估算了前文筛选出的存在转移价值专利的市场价值，结果如表7所示。

分析表7可知，通过价格拟合公式对“武汉大学”存在转移价值的专利进行市场价格预测，预测出的结果显示这些存在转移价值的专利普遍存在较高的市场价格，该部分专利应该引起利益相关者的高度重视。需要说明的是，由于逆向相对接近度与市场价格预测成像对数关系，所以当逆向相对接近度足够小时，价格预测会出现负值，本文预测结果也出现类似现象。产生这个现象的原因是该部分专利虽然存在转移价值，但是高校为了对核心技术进行保护，会在专利申请时进行专利布局，因专利布局而申请的专利在专利撰写与申请时会有所侧重，导致该专利看似具备转移价值，实则徒有其表。因此，出现存在转移价值专利价格预测为负值属于正常现象，并且有利于对存在转移价值的专利进行进一步筛选，提升识别精度。

表7 存在转移价值专利市场价值预估(Top5)

依据市场价值预测结果可以看出，以“武汉大学”为例的一系列存在转移价值的高校专利市场价值预估普遍较高，所以我们应该从多个层面对上述专利进行全方位的管理与保护。在专利研发方面，高校知识产权相关部门应从多层面为科研团队的专利研发提供支撑，结合科研团队研发技术的特征，为研究者提供科技查新服务，保障技术研究对标领域前沿；在撰写专利申请书时，针对各项指标文本数据做到全面扎实，在保障质量的同时防止侵权现象的发生。针对高价值专利，积极做好专利布局，铺开专利保护网，形成技术优势；在研发团队方面，技术研发方向应对标领域前沿，同时注重团队建设，积极吸纳高质量人才，保障技术研发实现落地与转移转化。综上所述，本文所提出的高校专利价值评估模型可以实现对高校专利从“存在转移价值专利识别”到“存在转移价值转移市场价值预测”，快速识别高校存在转移价值的专利，并精确预测其转移价格，对提升高校专利转移转化效率具有重要意义。

3 结 语

本文以高校专利存在转移价值专利识别与评估为主线，采用熵值法识别高校存在转移价值的专利；而后在检索存在诉讼判赔额度专利检索的基础上，运用熵权TOPSIS模型对识别出的专利与诉讼中出现判赔额度或者转让价格的专利进行赋权打分与曲线拟合，进而对识别出的专利进行市场价格预测。本文所提出的方法在识别高校转移价值专利中具备一定的有效性，同时估算出的专利市场整体价格趋势，为促进高校科技成果管理部门的专利运营效率，以及企业快速锁定高校高价值专利提供了实践参考。

需要说明的是，本文在模型构建与训练时，单一地使用了“武汉大学”相关专利数据，数据样本特征不明显；在评估指标选取中，仅构建了包含12个指标的评估体系，科学性有待提高。在日后研究中，笔者将扩充专利数据样本，构建更加科学的价值评估体系，实现对高校全领域高价值专利的识别与评估。