买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上交所技术有限责任公司

摘要：本专利提出了一种基于引用时间差和社群分类的专利评价方法，该方法首先构建专利引用网络，其次对所有节点进行无监督社群分类，并统计引用与被引专利之间的时间差，然后根据社群分类结果和引用时间差对不同的引用关系赋予不同的权重，最后使用PageRank算法在专利引用网络上迭代获得专利重要性的排序结果。本发明同现有技术相比，其优点在于：本发明采用无监督的学习和训练方法，不需要数据标注工作；本发明建立专利引用网络，从节点图结构特征出发优化PageRank算法；本发明考虑专利老化对于专利重要性的作用，排除了专利发布时间对于排序结果的影响。

主权项：1.一种基于引用时间差和社群分类的专利评价方法，其特征在于所述方法具体如下：S1.构建全量专利引用网络，根据全量专利引用关系数据，以专利作为网络中的节点，在存在引用关系的两个节点之间构建一条从引用专利指向被引专利的有向边，形成有向图，初始状态下所有有向边的都没有权重，记该有向图的节点总数为N，边的总数为E；S2.获得有向图的邻接矩阵A＝{aij,i∈[0,N-1],j∈[0,N-1]}，aij＝1表示从节点i出发有一条指向节点j的有向边，aij＝0则表示没有有向边；S3.获得在有向图上随机游走的转移矩阵表示节点i随机游走到节点j的概率，定义为 其中转移矩阵A*的每一行元素和为1；S4.遍历有向图的所有节点，根据网络链接关系，即专利引用关系，对节点进行社群分类；S5.根据专利被引用数随引用时间差的变化关系，赋予不同的引用关系不同的权重；S6.使用PageRank算法在有向图上迭代，直至连续两次获得的各节点PageRank值差距小于10-12，将最终结果按大小降序排列获得专利重要性排名；所述步骤S4具体如下：S4.1使用Node2vec算法无监督地学习网络中所有节点的向量表示，在模型收敛后每个节点获得一个64维的向量作为节点的特征向量；S4.2以节点的向量表示作为输入，使用KMeans算法对所有节点进行聚类,将节点聚类为8个社群,记每个社群为Gk,k＝1,2,...,8，每个社群的大小为Nk,k＝1,2,...,8，每个社群中边的数量为Ek,k＝1,2,...,8；S4.3计算基于社群分类的链接权重矩阵Wc＝A+wcN，其中为节点i和节点j之间边的权重，定义为 所述步骤S5具体如下:S5.1根据各个存在引用关系的专利之间的公开时间差，统计不同引用时间差下专利的累计被引数，除以专利引用网络中存在被引的专利数，获得不同引用时间差下专利的平均被引数；S5.2计算基于引用时间差的链接权重矩阵其中t为节点i和节点j所代表专利的公开时间差，函数的特点是，当t≤36时，权重随着t变大而变大，且考虑到专利的老化因素，增加的速率逐渐变缓；当t36时，权重为固定值；所述步骤S6中每一轮迭代时，PageRank值的计算公式为 其中α为阻尼系数，取值为0.85；β为节点社群属性的权重，取值为0.4。

全文数据：

权利要求：

百度查询： 上交所技术有限责任公司 一种基于引用时间差和社群分类的专利评价方法