71重要专利影响因素.docx

71重要专利影响因素.docx

《71重要专利影响因素.docx》由会员分享，可在线阅读，更多相关《71重要专利影响因素.docx（9页珍藏版）》请在冰点文库上搜索。

71重要专利影响因素

7.重要专利分析方法研究

寻找到潜在的汽车碰撞安全技术领域的重要专利，不论是对于了解该领域的重点发展专利技术、了解掌握重点专利技术的申请人，还是对于研究该领域中重要申请人之间的技术关联，都具有积极的意义。

但是，由于专利的重要性评价并没有绝对的标准，虽然已经提出了要基于市场、法律、技术和研发投入等多方面因素综合考虑，但是，其中的很多因素的定量指标往往是不易于获得的，因而实际操作性并不是很高。

经过分析，课题组认为，考虑到专利文献更多的是一种技术文献，一项专利是否重要，更多的应该是从技术层面进行判断，而表征技术重要性或价值的指标，如果要用数理统计的手段或方法来进行分析，则引证数据（包括被引引证数据、施引引证数据）是较为易行、可操作性较好的指标。

实际上，基于引证数量进行专利技术重要性判断的方法也已经提出，课题组在学习以往方法的基础上，不单纯的采用引证数量指标，在深入分析影响专利技术重要性的因素之后，提出综合考虑被分析专利文献P*本身的属性、对被分析专利文献P*进行引证的引证属性等因素，细化区分各种因素对被分析专利文献P*技术重要性影响的指导原则，并基于此，本节关于汽车碰撞安全技术领域重要专利的确定方法，是从技术重要性的角度出发，主要借助于引证关系、引证数量等引证数据和被分析专利的国别属性与同族数量等指标，尝试建立可操作性较高的重要专利筛选模型。

7.1重要专利影响因素

在给出本研究的重要专利筛选模型之前，先梳理本研究认为会影响专利技术重要性的影响因素，并对其与专利技术的重要性关系进行初步的分析。

具体而言，本研究认为，对专利技术重要性构成影响的因素包括：

被引频次、引用属性、时间属性、国别属性、同族数量，以下分别进行介绍。

7.1.1被引频次

定义：

被引频次，也称被引项数、引证次数、引证项数、被引频率、被引频次，指的是某个专利文献在首次公开之后，被后续专利文献引用的总次数。

例如，一个专利文献P*在2000年首次被公开后，截止展开研究时止，总计只在2005、2008年分别被引用了7次、3次，那么该专利文献P*的被引频次为10次（即7+3=10）。

被引频次是用来评价专利重要性时最为常用的指标，以往，为了操作的方便，可能会直接以开展研究时的时间点为基础，往前倒推一定时间间隔，相应的设定位于某个时间点之前的被分析专利文献P*的被引频率阈值，并根据该阈值来设定哪些专利能够进入待筛选重要专利之列。

举例来说，当前研究时间为2012年，按照以往的做法，直接统一设定1995年这一时间界限之前首次公开的被分析专利文献P*的被引频率阈值（例如40次），只有当某项专利的被引频率高于40次（即阈值为40次），才可能列入待筛选重要专利之列，类似的，对于1996-2006年之间首次公开的专利只有被引频次在20次以上（即阈值为20次）、对于2007年之后首次公开的专利必须被引频次在5次以上（即阈值为5次），才能够进入待筛选重要专利之列。

但是，课题组对上述方法的分析结果进行了研究和分析，发现现实情况并非如此，有的专利，其技术本身可能很重要，授权年代也很早，但是被引频率并不特别高，如果单纯的以被分析专利的首次公开时间与研究时间的距离为依据来划定被引频率阈值，极可能会截断掉很多实际上技术重要性较高的专利。

为此，课题组提出，不能够单纯的以某个时间点为界限统一设定位于该时间点界限之前的被分析专利文献P*的“专利被引频次”截断阈值，还应该结合考虑被分析专利文献P*的首次公开时间T0及其与后续施引文献的施引时间Tc之间的时间差Td的关系，将这些因素也纳入到被引频次截断阈值的设定机制当中。

7.1.2引用属性

定义：

引用属性，主要基于引用的来源进行区分，具体的说，其是基于后续专利文献对被分析专利文献P*的引证是由谁发出来确定的，不同的引用来源，对于被分析专利文献P*的技术重要性具有不同的影响程度。

课题组通过对常见的引用数据类型进行分析后，提出如下的引用属性：

a）申请引证（Crf）：

即施引文献的申请人发出的引证，申请引证进一步又可以分为自引引证Cse与他引引证Cot，即Crf=Cse+Cot；

b）审查引证（Cex）：

即施引专利文献在专利审查机关的审查过程中，由审查员发出的引用被分析专利文献P*的引证。

对应于不同的引用属性，其对于被分析专利文献P*的技术重要性影响亦不相同。

一般而言，对于申请引证（Crf），发出引证的申请人、发明人特点（比如是申请人、发明人自身引证，还是其他申请人、发明人引证，以及是否是重要申请人/重要发明人）等因素，对于被分析专利文献P*的技术重要性具有正相关的影响，容易设想，如果申请引证由重要的申请人、发明人发出，那么被分析专利文献P*的技术重要性相对越高。

遗憾的是，与前面提到的被引频次因素不同，这类影响因素难以直接量化，较为合理和可行的方式是通过赋予申请人、发明人属性一定的权重，藉此对引用被分析专利文献P*的引用频次进行加权，由此获得加权后的引证频次数值，并以该加权计算后的值作为进一步筛选的依据。

更进一步的，在具体选择权重时，可能需要进行相应的差异化设计，例如，同样是申请引证，申请人自引引证的价值权重一般而言要低于其他申请人引证的价值权重，而重要申请人引证的权重相对的应该比非重要申请人的权重更高。

此外，对于审查引证，同样也应当有所区分。

例如，被分析专利文献P*被用作了审查引证，并且成功的缩限了其他专利申请的保护范围、或者直接否定了后续专利申请的专利性，那么该施引文献的引证价值权重应该相对更高。

总之，课题组认为，对于引证数据，除了要考虑原始的被引频次数据，还应当兼顾引用的属性，通过对引用属性的细化分类，赋予不同的引证价值权重，使基于引证数据的专利技术重要性判断更趋合理。

7.1.3时间属性

定义：

时间属性，在本研究中涉及被分析专利文献P*、施引文献两类文献的时间属性，更具体的说，是指被分析专利文献P*的首次公开时间T0、施引文献的申请时间Tc（即对被分析专利文献P*发出引证的年份时间）以及两者之间的时间差Td。

前面已经提到，应该结合考虑被分析专利文献P*的首次公开时间T0及其与后续施引文献的施引时间Tc之间的时间差Td的关系，设置被分析专利文献P*的被引频次截断阈值，以下进一步说明提出这种考虑的原因：

被分析专利文献P*首次公开之后，其就可能会被后续的专利文献所引用，但是，被分析专利文献P*在之后的不同年份中，被后续专利引用的频率并非是呈持续的线性增长趋势，而是与施引文献的申请年份（即施引时间年份）Tc与被分析专利文献P*首次公开年份T0的时间差Td具有曲线的方程关系，因此，同样是1995年之前首次公开的专利文献，1980年首次公开的专利文献P1*与1985年首次公开的专利P2*两者的被引频次截断阈值应当有所不同，不宜按照以往的做法直接将1995年之前首次公开的专利文献P*的被引频次截断阈值统一设定为一个相同的数值（例如40），而应该综合考虑T0、Tc、Td进行设置。

7.1.4国别属性

对于被分析专利文献P*被引频次截断阈值的设置，还有一点需要注意，就是被分析专利文献P*的国别属性。

经过对全球主要专利审查机构对专利引文信息处理方式的分析，课题组发现，美国（USPTO）、欧洲（EPO）、日本（JPO）的审查机构是目前在专利引证信息的规定方面做的较好的几个，其中尤以美国（USPTO）做的最为完善。

查看美国的专利文献可知，其扉页上详细记载了申请引证、审查引证信息，并且在相应的专利数据库中，对引证信息进行了详细的、完善的标引，为后续基于引证信息的检索、统计和分析奠定了良好的基础。

正是由于这种对于引证信息处理机制的差异，导致美国专利文献的被引频率往往都较高，欧洲（包括德国、英国和法国等）、日本的专利被引频率相对更低，因此，如果仅仅考虑被引频率，而忽略了被分析专利文献P*的国别属性，那么很容易造成对于专利技术重要性的判断偏差。

为此，课题组提出，在基于引证数据进行专利技术重要性判断时，还应当引入被分析专利文献P*的国别属性，在分析过程中，对不同的国别属性给予一定的加权权重，以对这种国别差异进行调整，将这一因素纳入到被分析专利文献P*被引频次截断阈值的设置机制当中，使筛选结果更为合理。

7.1.5同族数量

对于被分析专利文献P*，其是否向多个国家或地区提出申请，与其重要性具有较为密切的关系,一般而言，如果一项专利技术向多个国家或地区提出专利申请，那么其技术重要程度相对而言更高。

因此，在筛选重要专利时，如果能够在考虑被引频率的基础上，进一步综合考虑专利申请的同族数量属性，得出的结论应能更为合理，而且由于同族数量的信息易于获取、因此可操作性高、实际中易于应用。

值得说明的是，在考虑被分析专利文献P*的同族数量时，也要注意不同国家、地区申请人的特点以及技术领域和市场的特点（比如有的地区的申请人具有较强的向外申请偏好，例如日本申请人），有的由于技术发展的时代和地域特点导致某个阶段的申请可能向外申请较少（比如本研究中早期的德国申请人的专利申请），这些同族数量少的专利并不一定就真的技术重要性不高。

因此，应当综合多方面因素来考虑，究竟具有多少同族数量的被分析专利文献P*应当列入待筛选重要专利之列，并非同族数量越多，就必然代表技术重要性越高。

因此，为了能够在将同族数量因素纳入筛选模型的同时，尽量抑制由于单纯依靠同族数量而导致不恰当的截断待筛选重要专利的不足，课题组进一步提出“同族平均被引证”概念，即：

在综合前述4类影响因素获得的被引情况基础上，进一步求取被分析专利文献P*的“同族平均被引证”数据，并以此作为判断以被分析专利文献P*为代表的专利技术重要性的最终依据。

7.2重要专利筛选模型

在综合考虑前述的专利技术重要性影响因素的基础上，课题组提出如下的、以引用特性为基础的重要专利筛选模型，并用下式表示：

下面对上式中的各个参数进行简要说明：

a）下标i为表征申请年份的参数，i的取值为被分析专利文献P*的首次公开时间年份到展开研究分析时的历年时间年份；下标k为表征同族的参数，k的取值为1~m（m表示被分析专利文献P*的同族数量）；

b）Cse·k·i表示i年份中对于被分析专利文献P*的第k个同族、其申请人自己引用被分析专利文献P*的引证次数（即自引引证次数），Cot·k·i表示i年份中对于被分析专利文献P*的第k个同族、其他申请人引用被分析专利文献P*的引证次数（即他引引证次数），Cex·k·i表示对于被分析专利文献P*的第k个同族、审查员在审查申请年份为i年份的专利申请时引用被分析专利文献P*的引证次数（即审查引证次数）；

c）αi、βi、δi是分别用以加权对应于i年（份）的自引引证次数、他引引证次数、审查引证次数的权重系数；

d）ζk为对应于被分析专利文献P*第k个同族的国别属性的加权系数。

7.2.1加权系数的影响因素分析

经过分析，课题组提出影响αi、βi、δi、ζk等加权系数取值的因素并简要分析如下：

a）αi、βi、δi影响因素

一般而言，αi、βi、δi受以下因素影响：

a.1）引证文献的申请年份时间Tc与被分析专利文献P*首次公开时间的时间差Td

一项专利技术首次被公开之后，随着时间的推移，其被后续专利文献引用的被引总次数必然是逐渐增加的，但是在首次公开之后的一定时间之内，被分析专利文献P*的被引证次数并不是持续的线性增长，而是会呈现出先增后减的曲线发展态势，而与之相对的，该时间段内的引证文献对被分析专利文献P*的技术重要性的影响却呈现先减后增的趋势，这背后的逻辑在于，当一项专利技术被首次公开之后，如果其在短时间之内会被迅速的引用，那么足以表明该技术或者是该领域极为重要的、或者这是一项具有开创性意义的新技术，但不管是哪一种，均足以表明其技术的重要性。

而随着被分析专利文献P*被公开的时间增长，其所代表的技术愈来愈为该领域中的技术人员所熟知，因此，其被引频次会在一定时期到达较高的水平。

有以往的研究表明，平均而言，一项专利在授权公告5年之后会达到被引次数的顶峰，根据该研究，美国、加拿大、欧洲和日本的专利P*的被引证次数与滞后时间差的关系曲线如下图。

图7-1美、加、欧、日专利被引频率与引证时滞的关系

同样是在该研究中，给出了常见技术领域（医药、化工、电子、机械、其他技术领域）的被分析专利文献P*的被引证次数与滞后时间差的关系曲线如下图。

图7-2不同技术领域专利被引频率与引证时滞的关系

由图7-1、图7-2可知，不论是以国别为基础、还是以专利技术所处的技术领域为基础，一项专利基本上在公告后的5年左右达到被引证次数的峰值，并且明显呈现出前期增长速度较快、后期慢速降低的态势。

经分析，课题组认为，虽然被分析专利文献P*在对应于引证峰值年份具有最大的被引证次数，但此时的引证对于被分析专利文献P*技术重要性的影响并不一定是最高的，相反的，反而是最弱的，而在引证高峰过去之后，如果被分析专利文献P*仍然能够在之后的很长时间内被后续专利文献引用，反应的是被分析专利文献P*的技术影响的持续性，因此，在高峰之后时间差相距越远的引证文献，其对于被分析专利文献P*技术重要性的影响逐渐增加。

也就是说，对应于不同时间差Td的引证次数，其对于被分析专利文献P*的技术重要性的影响并不是相同的、不是恒定不变的，而是呈一定的曲线关系。

在前述逻辑分析基础上，课题组提出Td与αi、βi、δi等加权系数之间的U形曲线关系，并用（αi,βi,δi）=F（Td）表示，其关系示意图如下图所示。

图7-3αi、βi、δi与Td之间具有曲线关系（αi,βi,δi）=F（Td）

a.2）申请人、发明人特性

施引文献的申请人、发明人特性，施引文献本身是否被后续专利文献引用，与αi、βi之间存在正相关关系，即施引文献的申请人、发明人越重要，施引文献本身技术重要性越高，则αi、βi越大。

a.3）被分析专利文献P*的“专利破坏性”

对于发出审查引证的施引文献而言，如果其权利要求或保护范围由于被分析专利文献P*而受到的缩限越明显，则表明被分析专利文献P*对该施引文献的“专利破坏性”越强，δi的取值越大。

b）ζk影响因素

对于加权系数ζk，其与被分析专利文献P*的国别属性相关，一般而言，根据目前不同国别或地区专利管理机构对于引证数据的规定情况和对引证数据的处理程度的差异，为不同国别的被分析专利文献P*赋予不同的ζk值。

根据初步分析，课题组认为，对于ζk值的具体取值需要采用循环验证的方式确定一个较为合理的值，但是，对于一些主要的国别而言，ζk的取值至少应该遵循这样的条件，即：

ζus<ζep<ζjp<ζkr<ζcn。

总之，课题组认为，在主要基于引证数据这一数据指标查找和确定重要专利时，应当秉持“并非每个引证具有同样重要的作用”的理念，区别对待引证文献，综合考虑被分析专利文献P*本身的属性、对被分析专利文献P*进行引证的引证属性等因素，以更为合理的方式从大量被引专利文献中查找、筛选出潜在的重要专利，并供后续进一步分析。

7.2.2安全车身重要专利筛选

利用前面小节提出的重要专利筛选模型，本研究以安全车身技术领域为研究范围，通过简化模型之中的参数设计，按照以下流程，获得安全车身技术领域的潜在重要专利，并通过对这些专利的进一步人工筛选，获得安全车身技术领域的典型重要专利列表（表7-1）。

安全车身技术领域潜在重要专利查找与筛选流程：

1）检索安全车身技术领域专利；

2）提取安全车身专利被引用数据；

3）加工安全车身专利数据、引用数据；

4）代入模型运算，获得模型处理后的加权引证数据；

5）依据安全车身专利的申请年份分布，设定加权引证数据的截断阈值；

6）获得潜在重要专利列表，并人工浏览筛选，进一步获得典型重要专利。