基于防御战略的企业专利组合价值评价研究*

孙笑明 刘仁菊 任若冰 王雅兰

(西安建筑科技大学管理学院 西安 710055)

当前知识经济发展迅猛，技术创新实力成为企业赖以生存和发展的基础。专利作为技术创新的关键优势资源，众多企业纷纷加大研发投入以提升核心竞争力。在此过程中，为获得市场垄断地位，防止竞争对手趁虚而入，单项专利间的竞争逐渐演变为专利群间的竞争，在此背景下，专利组合理论应运而生。对于单项专利来说，单一、狭窄的技术保护范围很容易被竞争对手通过规避手段而侵犯。专利组合则将与产品或功能相关的技术范围有效组合，使其具有规模效应和多样性优势，进而从整体上扩大保护范围、提升保护强度，为企业带来单项专利所不具备的竞争优势[1]。故在企业申请的大量专利中，只有极少数具有高价值，大量的单项专利本身并不具备价值，其真正用途在于聚合为一个相互关联的专利组合所产生的战略优势。

对企业来说，掌握核心技术是提高竞争力的根本途径。同时，企业只有将研发资源集中于核心技术领域中的核心技术，才能更好地发挥专利组合的优势。因此企业开始以核心技术为中心，构建特定技术领域的专利组合，使竞争对手无法利用专利规避策略进入该技术领域，从而获得市场竞争优势，这成为企业构造专利组合的主要目的[2]。在以核心技术为中心的专利组合防御机制中，核心专利直接保护核心技术，具有显著的技术特征和效果，是企业经济利益和竞争力的来源[3]；在核心专利周围，是一系列相互关联的外围专利[4]，通过其所形成的技术壁垒，提高竞争对手的潜在侵权成本，继而有效加强核心技术的保护能力。可见，专利组合只有经过有效的战略布局才能发挥出这种优势，因此对专利组合的合理价值评价，是企业判断布局优劣的重要依据。现有的专利组合价值研究主要从专利组合整体的角度建立评价模型，并未细分核心专利与外围专利，但两者的作用原理明显不同，故无法直观地分析专利组合的战略布局效果以及其中的问题所在。

鉴于此，本文以防御战略为视角设计企业专利组合的价值评价方案，帮助企业评价专利组合的战略布局效果并据此做相应的调整；此外，企业也可通过该评价方案有效监测竞争对手的专利组合布局，迅速定位其核心技术布局的空白，并申请这些核心专利的外围专利，从而遏制竞争对手对于核心技术的垄断，以提高自身竞争优势。

1 文献综述与理论基础

1.1 专利组合价值评价方法

专利组合在市场中的独特优势吸引了众多国内外学者对其价值评估方法展开相应的分析研究，以专利信息作为评价指标，例如，张世玉等[5]构建包含技术生命周期、平均技术吸引力、相对技术份额及研发重点的专利组合分析模型；Grimaldi等[6]选择专利权利要求、专利引用、市场覆盖率等定量指标和战略定位、经济重要性等定性指标，开发专利组合价值指数；陈朝晖等[7]使用模糊网络分析法(FANP)从技术、市场和法律三个维度确定专利指标，评估企业的专利组合价值。部分学者从专利的资产属性出发开展研究，如，靳晓东和谭运嘉[8]根据专利资产证券化的特点，构建模式转化算法下的三叉树模型来评估被证券化专利组合的价值；翟东升[9]等则根据专利资产的期权性质，采用LSTM时间序列预测、最小二乘蒙特卡洛模拟等方法对专利组合进行估值。此外，专利资产为企业带来的收益是其价值的最直接体现，基于此，于谦龙等[10]采用Shapley值分解多项专利指标对专利拍卖价格的贡献度，从而构建专利组合指数模型。现实中，并非所有专利都有对应的价格，但专利与市场的关系可以在一定程度上反映其预期收益，Collan & Kyläheiko[11]提出专利组合占有的市场规模、获得预期市场份额的可能性、覆盖未来全部技术的可能性、企业未来市场份额等指标，用以衡量专利组合的预期价值；Ganbardella[12]同样认为可以根据当前市场信息构建专利未来价值评估模型。

综上可知，现有研究的评估方法主要是从专利组合的整体视角出发，并未区分核心专利和外围专利，但两者的属性以及价值在本质上差距较大，因此分组评价的方式更为合理。基于此，本文以现有研究为基础，根据防御战略布局方式，从核心技术实力和外围战略两个方面评价专利组合的价值。

1.2 专利组合的布局原理

在申请专利时，企业需要提交专利发明请求书、摘要、说明书、权利要求书、附图等材料，其中权利要求书是一项专利的核心内容，它决定了该专利的保护范围。权利要求书收录了被专利权保护的技术方案，《专利审查指南》要求该技术方案应是对要解决的技术问题所采用的技术手段的集合，而技术手段通常通过技术特征体现，即技术方案清楚完整地描述了专利解决其技术问题所采取的技术特征的组合，因此技术特征是专利权利要求的最小单元[13]。

在进行专利组合布局时，外围专利的申请必须以现有专利为基础，逐步扩大专利组合规模，从而提高竞争优势；但新专利须具备新颖和创新属性才会通过审查获得授权，因此新专利的技术方案需在现有技术方案的基础上有所创新[14]。目前主流的方法是：先将现有专利的技术方案单元化，把解决大技术问题的技术方案化成若干对应小技术问题的技术特征，而后对不同专利的技术特征进行关联思考，寻找创新思路，产生解决新的技术问题的技术方案[15]。这个过程实现了对专利组合中技术特征的重新组合，因此会出现每一项专利的技术方案与组合中其他专利共享相同部分的现象，正是这些共有的部分将核心专利和众多外围专利聚集在一起，形成一个互相关联的专利组合。

鉴于专利组合中的专利在权利要求方面的关联性，本文从专利权利要求中抽取有价值的技术信息，参考孙笑明等[16]利用专利数据构建合作网络的方法定位专利之间的潜在关联关系，进而精准识别技术方案上相互联系、保护范围上彼此交织的专利组合。

2 基于防御战略的企业专利组合价值评价方案设计

2.1 专利组合价值评价方案的步骤

本文所设计的专利组合价值评价方案是基于防御战略的角度，根据专利在权利要求中的关联识别出专利组合，并从核心技术实力和战略价值两个方面展开分析，后依据分析结果对专利组合进行价值分类评价。

专利组合价值评价方案的具体步骤如下：

第1步，构建专利组合网络。从所有专利的权利要求文本中提取关键词，利用关键词重叠关系构造专利矩阵，并生成以专利为节点的关键词共现网络，具有技术关联关系的专利即存在共现关系。考虑到相近技术领域中的大部分专利都存在一定的联系，为提高技术关联关系的门限，故在生成共现网络时对共现次数设置阈值，阈值的取值则根据企业和技术领域进行相应调整。

第2步，划分专利组合。使用基于图数据的社区发现算法——Louvain 算法，根据网络中专利之间的共现关系及频率，将联系更加紧密的专利节点划分到同一个专利组合中，使得组合内的关系比组合间的关系更密切。

第3步，划分核心专利与外围专利。根据专利组合价值评价体系中的核心技术实力维度对所有专利进行技术实力评价，参考张群等对专利的划分[17]，将每个专利组合中技术价值大于80%的专利作为核心专利，其余为外围专利。

第4步，计算专利组合的核心技术实力和战略价值。根据专利组合价值评价体系计算各个专利组合在核心技术实力和战略价值两个维度的值，其中核心技术实力即专利组合中核心专利的技术实力。评价体系中指标的权重使用熵权法来确定，一方面避免主观随意性，且使得评价方案更具有普适性；另一方面专利组合价值具有较大波动性，可以根据熵权法的原理分析对专利组合价值影响较大的指标。

第5步，专利组合价值分类。如图1所示，根据专利核心技术实力和战略价值的计算结果以及二维组合分类方法，将专利组合按照阈值划分为A、B、C三类专利组合，其中核心技术实力的高低划分与前文保持一致，设定80%为临界值；不同于单项专利技术实力分配的不均衡，战略价值高于均值则说明该专利组合的外围专利能够对核心技术起到一定的防护作用。

图1 专利组合分类模型

A类：核心技术实力和战略价值都处于比较高的水平，属于对企业比较重要的专利组合，本身具备较高的价值。企业可以依靠此类专利获取稳定收益，但同时也应该继续进行防御布局。

B类：核心技术实力和战略价值处于一高一低的水平，说明核心技术实力较强但是没有完备的外围专利保护屏障，或者已经筑起屏障但不具备核心技术实力，整体价值处于中等水平。现实中，此类专利组合一般属于潜在的高价值专利组合，但也有可能因为布局失利或者研发失败导致企业失去该专利组合。因此对于此类专利组合尤其是核心技术实力较强的专利组合，企业需要进行快速研发和布局。

C类：核心技术实力和战略价值都比较低，没有能够为企业带来收益的核心技术，也没有保护屏障，此类专利一般是被企业抛弃或者尚未成形的没有价值的专利组合。

第6步，BP神经网络仿真模拟。将第5步中的专利组合样本划分为70%的训练样本和30%的测试样本，将训练样本的指标数据与评价结果输入到设计好的BP神经网络中进行训练，通过不断学习指标值到评价结果的规则，调整神经网络的权重和阈值，直到测试样本的输出结果与实际结果的误差达到预期值，得到训练好的专利组合价值评价模型，可直接用于相似条件下新样本的专利组合价值评价。

2.2 专利组合价值评价体系的构建

由前文可知，在专利组合中，核心技术是企业实行专利组合布局的源头，核心技术本身的价值对专利组合的价值起决定性作用；而外围专利作为一种战略性资产，扩大核心技术的保护范围，创造专利组合的战略性价值。因此研究将从核心技术实力和战略价值两个维度来构建专利组合价值评价体系，具体的评价指标说明如下：

2.2.1核心技术实力评价与核心专利识别

在专利组合中，核心技术依附于核心专利而存在并发挥作用，故可将核心专利的技术实力作为该专利组合的核心技术实力。由此可见，对专利组合核心技术实力的评价过程，也是通过对专利组合中所有专利的技术实力评价以识别核心专利的过程。

目前关于核心专利识别的研究一般从技术、法律、经济等维度选取指标，但是有些指标并非严格地归属单一维度[3]，且并非所有核心专利都必须同时具备技术、经济、法律等特性，这当中仅技术实力是专利价值的根本要素，也是其他价值的基础[18]。因此，本文结合国内外关于核心专利的研究，关注并识别专利技术实力的影响因素，从技术覆盖范围、技术创新水平、技术影响力三个方面构建单项专利技术实力评价体系，识别专利组合中的核心专利。

第一，技术覆盖范围。

技术覆盖范围主要是指专利的技术内容范围以及技术保护范围，覆盖范围越广，说明技术内容中的知识异质性越大、规避设计的空间也越小，因此专利的技术实力越强[19]。专利同时从技术宽度和深度两个方向扩展，构成了覆盖范围较广的技术内容。专利的技术内容一定程度上决定了技术保护范围，但实际保护范围还受到地域的限制，当专利取得特定国家或地区的授权之后才会真正覆盖相应的技术内容。因此本文选取技术宽度、技术深度、专利族规模等指标来表示技术覆盖范围。

a.技术宽度。技术宽度是专利所覆盖的技术领域的范围，一般用IPC分类号的数量表示。IPC分类号表示专利所处的技术领域，一项专利可能有一个或多个分类号，数量越多，说明专利所涉及的技术领域越广泛，具备技术多样化优势，因此IPC 分类号的数量与专利价值高度相关[20]。目前基于IPC分类号识别核心专利的方法已被广泛应用。

b.技术深度。技术深度是指对专利进行分析时由于认知困难带来的复杂性[21]，表现为专利在特定技术领域的技术特征积累，可以用权利要求数量来表示[22]。专利权利要求记载了专利在特定技术领域的技术范围，数量越多，技术特征就越多，在该技术领域占据的技术范围就越广，相对应的专利也就越有价值[23]。研究发现，核心专利的权利要求数量要多于一般专利的数量，因此专利权利要求保护范围广的企业也较一般企业更具技术竞争力[24]。

c.专利族规模。为获取广泛的地域性保护，企业会在多个不同国家申请专利，以取得专利优先权。专利族规模使用同族专利的数量来测量，也就是该专利获得保护的国家数量。随着专利族的扩大，专利技术受到的地域性保护范围就会不断扩大，保证技术实施的稳定性；此外，专利申请成本也在相应提高，因此如果一项专利申请了大量的同族专利，说明企业十分重视该专利技术[25]。因此专利族规模越大，其具备的国际竞争力也就越大，进一步加强了专利的技术实力。

第二，技术创新水平。

作为一种发明创造，专利的技术创新性必然是重点关注要素，只有在原有技术上有所突破，才能具备解决实际技术问题的实力。专利的技术创新性主要体现在新颖性和创造性两个方面，表现为专利与现有技术之间存在显著差距[26]。因此本文选取技术周期与科学关联度两个指标，从专利与其引用文献之间的时间距离和内容差异来反映技术创新水平。

a.技术周期。技术周期指的是专利申请年份与其引用专利的申请年份差值的中位数，代表两种技术之间的发展周期，反映技术创新速度[27]。如果专利的技术周期比较短，说明专利是在对比较新的技术进行改进研发创造，着力研发一门比较新颖的技术，与现有的技术之间存在较为显著的差距。

b.科学关联度。科学关联度是美国CHI Research研究公司开发的指标，用于衡量专利技术与最新科技发展的关联程度的指标，以某项专利对科学文献的引用数量表征[28]。相对于专利文献来说，科学文献中的技术内容一般预示着创新前沿，可以反映最新科技发展的现状。企业引用先进科学文献的理论，作为其技术研发的科学基础，可以实现科学研究产出向技术创新成果的转化，拉大与现有技术之间的差距，提升技术发明的新颖性和创造性[20]。

第三，技术影响力。

核心技术一般会对后续技术研发产生较大的影响，表现为专利被引用数量较多。被引用次数越多，说明专利对后续技术发展的影响越大，因而在该技术领域中处于比较核心的地位。专利被引用情况是最早被证明与专利价值存在显著关系的专利信息，目前已经成为评价专利影响力比较公认的指标。虽然专利被引用情况受到时间的限制，但其作为能够直接反映专利影响程度及重要性的要素，仍然是最受专利分析学者认可的指标，甚至有不少研究直接用其来识别核心专利[29]。

2.2.2战略价值评价

研究发现，技术规模效益和技术多样性是专利组合发挥防御战略优势的重要因素。此外，技术的组合方式也在很大程度上影响其战略效果，只有将核心专利的技术有效重组，才能建立最大范围的紧密防御壁垒，提高竞争优势。因此本文根据外围专利布局所表现出的专利组合的技术规模、技术多样性、技术分解性三个方面来分析专利组合的战略价值。

a.技术规模。技术规模指的是在核心专利周围分布的外围专利的数量，由于核心专利极少，也可以将其等同于专利组合中专利的数量，研究证明专利组合所获取的竞争优势都与专利数量正相关[30]。专利组合将众多与核心专利密切相关的专利结合起来，以核心技术特征为中心向各个方向延伸，极大地扩展了核心技术的保护范围，降低了竞争对手利用专利设计规避空间的可能。一般来说，竞争对手须在现有专利的保护范围之外选择新的技术研发方向，绕开专利权人的专利权，达到专利规避的效果。因此，专利组合的规模越大，对核心技术的保护力度越大，即防御能力越高。

专利组合网络已经将企业中各专利组合直观地表现出来，可以将网络规模作为技术规模指标，即专利组合中全部专利节点的数量。

b.技术多样性。技术多样性体现了专利组合是由一系列相关但不同的独立专利所组成，可以理解为共享关键技术特征的独立专利的集合[30]。以核心专利为中心，技术共享关系将一个又一个专利串联起来，同时这些专利非共享的部分也被聚合到专利组合的技术范围中，这些与核心技术互异的部分便产生了技术多样性。正是这些多样的技术使专利组合不仅能为核心技术提供广泛的保护屏障，还降低了专利组合在不同但相关技术领域所面临的侵权风险，以及对冲市场和竞争对手的未来动向等，为企业提供了解决创新风险和不确定性问题的强大战略能力。

在进行专利组合网络构建时，本文使用文本挖掘技术识别出各专利的技术特征。在此基础上将专利组合中的所有技术特征聚集起来，识别当中与核心专利技术相异的技术特征，这些技术特征即为专利组合技术多样性的体现。为了消除由技术规模的不同而产生的差异，这里取该值与技术规模的比值。

c.技术分解性。从前文布局原理的研究来看，专利组合的实质就是不断对现有技术进行分解重组的结果。技术分解性就是技术表现出来的分解程度[31]，是技术重组的基础，因此专利组合技术分解性的大小直接影响企业技术重组的进程。将核心技术充分分解，并对新旧技术特征重组，是不断产生新的技术方案即新专利的有效途径。因此，专利组合布局中表现出的高技术分解性可以在最大程度上形成对核心技术的严密保护网，也是充分的技术分解和重组共同作用的结果。当竞争对手在进行规避设计时，必须绕过专利组合的全部技术范围，找到其他的技术突破口，而充分的技术分解和重组使得专利组合内可研发的技术空白极少，加大了规避设计的难度[4]。

在专利组合网络中，高技术分解性直接体现为专利与较多新专利间建立联系。核心技术是专利组合中技术分解的源头，以核心专利为中心，不断进行技术分解，与核心专利的技术距离越远，对核心技术的保护力度就越小，由专利的技术分解性所产生的防御效果就会越小。因此本文基于专利大数据分析平台Patlab，选取核心专利节点的特征向量中心性来衡量与核心专利连接的专利节点的数量和中心性，进而表现专利组合的技术分解性[32]。同样为消除技术规模的差异，使用相对特征向量中心性。

最终得到专利组合价值评价体系(见表1)。

表1 专利组合价值评价体系

2.3 BP神经网络仿真模拟过程

BP神经网络是一种根据误差逆向传播算法进行训练的多层神经网络，具有强大的泛化能力和非线性映射能力[33]。在评价过程中，BP神经网络本质上就是一种能够从输入的信息中提取信息特征并对其进行学习和记忆的模型。将专利组合样本的指标值及评价结果输入到BP神经网络中，可以通过不断的学习训练，实现评价体系中指标到评价结果的映射，得到由映射关系构造的专利组合价值评价模型，从而直接用于新样本的价值评价。此外，BP神经网络的训练效果也可以验证本研究中专利组合价值评价方案的合理性，若BP神经网络在较少的训练次数下达到较低的目标误差，说明评价体系中的指标与分类结果之间的规律性较高，那么评价方法就更具合理性。具体的应用过程如下：

第1步，确定网络层数。

一般来说一个基本的3层BP神经网络就可以精确地模拟任何连续函数，解决所有输入层到输出层的映射。因此本文构建包括输入层、隐含层和输出层3个层次的BP神经网络。其中输入层神经元是样本的9个指标数据，输出层神经元为样本的分类评价结果，将A类、B类、C类分别用3、2、1进行标度。

第2步，确定隐含层神经元数量。

第3步，参数设置。

本文使用计算机编程创建BP神经网络，利用函数对神经网络的权值和阈值进行初始化，并对指标数据进行归一化，采用Newff函数创建前向逆反馈的神经网络，实现神经网络从输入到输出的映射。此外，BP神经网络模型中训练函数选择Trainlm算法，输入层到隐含层的传递函数为tansig，隐含层到输出层的传递函数为purelin，最大训练次数为1000，训练目标最小误差为0.00001，学习速率为0.01。

第4步，BP神经网络训练与测试。

网络设置完成后，正式进入训练与测试阶段，实质上就是网络中信号的正向传播与误差的逆向传播两个过程。如图2所示，将所有专利组合根据评价体系得到的指标值作为输入层神经元，最终的分类评价结果作为输出层神经元；同时，将70%的专利组合数据作为训练数据，30%作为测试数据，输入到BP神经网络中。正向传播中，BP神经网络对训练数据中指标值与评价结果之间的关系进行学习并记录，依此模拟评价测试集中的专利组合价值，然后将输出值与实际的评价结果进行比对，如果在最大训练次数之内没有达到目标误差，则返回修正权值和阈值，再次进行训练学习，不断重复这个过程，直到误差满足要求或者达到最大训练次数。若BP神经网络在规定次数内达到目标误差，就会输出完成进化的专利组合价值评价模型。

图2 BP神经网络训练与测试过程

3 应用实例与分析

3.1 样本选择与数据处理

中科寒武纪科技股份有限公司(以下简称“寒武纪”)作为一家高新技术企业，仅成立不到6年，已全面系统掌握了多项核心技术，并跻身于人工智能领域的前列，成为全球智能芯片的先行者。因此本文选取该公司的专利数据，分析评价其专利组合价值，研究企业是如何通过专利组合的防御布局而迅速发展壮大的。

本文通过CreatMart专利检索平台，以“中科寒武纪科技股份有限公司”为主要专利权利人进行专利检索，发现寒武纪自成立以来已经申请了1 374项专利数据，申请数量如图3所示。对创新型科技企业来说，产品的形状、图案等美感设计的外观设计专利的价值并不显著，也难以在市场竞争中所发挥重要作用，因此本文只关注发明专利和实用新型专利。在数据下载过程中，根据专利组合价值评价体系中的指标测算方法，选取专利申请日、IPC分类号、权利要求、同族专利数量、引用专利、非专利引用文献数量、被引用专利数量等字段。得到样本数据后，结合本文的研究目的与内容，对样本数据进行简单的预处理，剔除以下几种专利：①同族和重复申请的专利；②申请时被判定失效的专利；③没有记载权利要求的专利。最终得到1 102条专利数据。

图3 2016—2021年寒武纪的专利申请数量图

3.2 专利组合划分与识别

首先，按照专利组合划分方法与核心专利识别方法，得到寒武纪的14个专利组合及相应的核心专利与外围专利，结果如表2所示：

表2 寒武纪的专利组合及其核心专利与外围专利

3.3 专利组合价值评价

3.3.1核心技术实力与战略价值评价

首先根据专利组合价值评价体系，寒武纪专利组合各指标的权重以及核心技术实力、战略价值评价结果如表3、表4。

表3 寒武纪专利组合核心技术实力情况

表4 寒武纪专利组合战略价值情况

3.3.2专利组合价值分类

根据以上评价结果及专利组合分类模型，寒武纪专利组合的分类情况见图4。其中C12属于A类专利组合，具有壁垒高、研发难、应用广等特点，对企业具有重要价值，是企业需要稳定的竞争优势；C2、C3、C7、C8、C9属于B类专利组合，其技术尚未成熟稳定，企业需重点关注并有望依靠该类专利组合打造竞争新优势，而对于竞争企业来说，该专利组合则是实施进攻战略的最佳突破口；其余为C类专利组合，若非处于起步阶段，企业则不需要对该类专利组合过多关注。

图4 寒武纪专利组合分类

3.3.3结果分析

可以看出，专利组合C12的价值十分显著，在核心技术实力和战略价值两个方面都占据优势，相对来说，其他专利组合的价值都处于较低的水平。调查显示，在寒武纪向其全资子公司“上海寒武纪科技有限公司”转移的一批专利中，出现了“打包转移”的现象，如表5所示，有一半的专利都归属于专利组合C12，而其他专利来源相对零散。可见专利组合C12的布局已经比较完善，部分外围专利保护核心技术的战略作用出现退化现象，被寒武纪转移另作他用，而且“打包”现象也说明了这些专利之间的技术关联性比较强，需要组合使用，进一步证明了专利组合C12的布局效果良好。

表5 寒武纪权力转移专利数据

续表5 寒武纪权力转移专利数据

事实上，寒武纪确实在智能芯片领域掌握着先进的核心技术。由此看来，新兴企业若想在市场站稳脚步，快速打造属于自己的核心技术领域是一种有效的战略方案。在此过程中，为防御实力雄厚的竞争对手进攻，企业更需注意外围专利的战略布局。

3.4 BP神经网络仿真模拟

评价完成后，调用设计好的BP神经网络进行训练与测试，将C3、C4、C6、C7、C8、C10、C11、C12、C13等9组专利组合作为训练样本，共涉及563条专利数据，C1、C2、C5、C9、C14等5组专利组合作为测试样本，共有241条专利数据。训练结果显示，均方误差随着训练次数的增加逐渐下降，在经过6次迭代调整后，模型的输出结果与期望值之间的误差就已经达到目标误差，网络的收敛效果较好。

训练结束后，将测试样本数据输入到网络模型中进行仿真测试，结果显示BP神经网络模型对专利组合价值类别的预测准确度达到100%，精确地预测出测试集专利组合的价值分别为C类、B类、C类、B类、C类，由此可见训练得到的神经网络模型的模拟效果比较好，可以在同类专利组合价值评价中广泛应用。而且BP神经网络在经过6次迭代后就达到了比较低的误差值，说明本研究中基于防御战略的企业专利组合价值评价方案的合理性较强，能够有效识别出企业的专利组合并建立BP神经网络仿真模型，对企业的专利组合分类评价，进而有助企业分析其防御战略布局，以此为参考采取有效的应对措施。

4 结论及展望

在以往研究的基础上，本文从专利组合防御战略布局的角度出发设计了专利组合价值评价方案，区分核心专利以及外围专利在战略上的不同作用，丰富了专利组合价值评价方法的研究和应用。本文首先根据专利组合布局的原理，借助权利要求信息挖掘专利之间的关系，实现企业专利组合的划分；进而从核心专利产生的核心技术价值及外围专利的战略价值两个维度对专利组合进行评价并分类；最后使用BP神经网络机器学习的方法验证了评价方法的有效性并形成评价模型。借助该模型评价专利组合价值，一方面能够帮助企业直观地看到自身专利组合的防御形势，从而进行相应的调整，加固核心技术的壁垒；另一方面，企业可以观察竞争对手的专利组合布局方式以及价值水平，实施相应的进攻战略，获取竞争优势。专利组合已经成为企业进行技术竞争强有力的战略工具，进行合理有效地专利组合布局，既可以获得市场垄断地位、专利许可收入，还能够作为与竞争对手的谈判筹码、转让变现。

此外，在关于技术关联关系的研究中，一般采用专利分类号来构建网络，由于权利要求的复杂性，较少研究根据权利要求进行专利分析。但是专利权利要求记载了专利的技术方案，可以分解为最小单元——技术特征，具有更加细致的技术信息及更高的情报价值。因此，本文利用专利权利要求的共现关系建立的专利组合网络，能够更精细地识别专利之间的技术关联关系，从而帮助企业合理划分专利组合并深入开展评价工作。

本文结合相关研究现状发现，相比一般的评价方法，BP神经网络对研究对象有更多的限制条件。首先，BP神经网络无法对专利组合直接进行评价，而是需要先借助一定数量的已知评价结果的专利组合样本进行训练学习，最终得到的评价模型很大程度上取决于训练样本的数据，因此，训练样本中评价结果的确定必须科学合理。本研究首先根据评价体系对专利组合的核心技术实力和战略价值进行评价，经过综合分析得到专利组合分类评价结果，一定程度上保证了运用BP神经网络的可靠性。

研究虽然取得一定的成果，但仍存在不足之处：首先，研究借助权利要求之间的关系建立专利组合网络，但是权利要求的重要程度是不一致的，比如独立权利要求要比非独立权利要求更重要，虽然文本挖掘可以计算句子之间一对一的相似度，但难以进行更加详细的比较；其次，为了更加清晰地表现企业的专利组合战略，本文仅针对企业内部的专利数据展开了专利组合研究，但在现实中，企业的专利布局是在与其他企业的共同进攻与防御中形成的，表现为专利数据相互混合，以此形成更为复杂的专利组合网络。针对以上不足，未来研究将致力于区分权利要求重要程度的专利组合划分，提高专利之间技术关联的精确度；并展开多企业的专利组合研究，在此基础上提出更加完善的专利组合价值评价方法。