摘要：构建高校高价值专利评价指标体系与评估模型，有效评估高校高价值专利，对精准锁定高校高价值专利有重要意义。首先，以重庆市十所高校2020—2022年间公开的专利相关数据作为研究对象，基于粗糙集理论构建适用于评估高校高价值专利的评价指标体系，具体包括技术维度、法律维度、经济维度以及特殊参数维度4个一级指标和23个二级指标；并借助熵值法与Stata15软件对指标权重进行求取。其次，根据构建的指标体系以及相应的权重建立高校高价值专利评估模型。最后，通过抽样选取15件申请人为高校的获奖专利以及15件全国各大高校的普通专利对该模型进行检验。通过实证分析，该评价体系与评估模型最终得到的结果与实际情况吻合程度为93.3%。研究结果能够为建立适用于各高校高价值专利的评价指标体系以及评估模型提供参考，有助于有效测量、挖掘高校高价值专利。

关键词：高价值专利，粗糙集理论，熵值法，评估模型

一、引言

专利作为知识产权的核心之一，在技术创新和经济增长中均发挥着重要作用，其内蕴含着巨大的无形价值。虽然近年来中国专利申请数量增速乐观，专利数量位居世界前列，但就专利质量而言，专利申请“重数量，轻质量”等问题仍然突出，导致我国专利整体“大而不强，多而不优”。习近平总书记在主持中央政治局第二十五次集体学习时深刻指出，我国正在从知识产权引进大国向知识产权创造大国转变，知识产权工作正在从追求数量向提高质量转变，强调要加强知识产权保护工作顶层设计。2021年，中共中央、国务院印发《知识产权强国建设纲要（2021—2035年）》提出要建设知识产权强国，要以推动高质量发展为主题，继续推进知识产权产品价值计量标准和方法研究，完善推广知识产权产品交易过程中的价值评估标准和评估方法。

在此大环境下，以重庆市为例，其近年来专利授权量的平均增长率已达22%，2022年获得国家发明专利授权12207项，且获得专利授权最多的前50家重庆市内机构中，大学的数量较多。高校是科技创新和知识产权创造的重要组成力量，在重庆市2022年的发明专利占比中，高等院校4705项，约占38.54%；专利数量较为突出的重点高校有重庆大学、西南大学、重庆邮电大学、重庆交通大学、重庆医科大学、重庆理工大学、重庆师范大学、重庆工商大学、重庆科技学院、重庆文理学院等。从上述背景不难看出，重庆市高校知识产权高质量发展为区域经济发展提供了稳定的科技支撑，为建设具有全国影响力的科技创新中心做出了极大贡献。

近年来，尽管重庆市高校知识产权运营管理等取得了显著成果，但对于高校专利高质量发展和高价值专利挖掘、运用等仍存在高校专利价值评价体系和高价值专利评估模型不统一等问题，对重庆市高校创新成果专利转化与专利价值挖掘、释放的积极性形成阻碍。本文以重庆市十所典型高校2020—2022年之间的公开专利数据为研究对象，积极探索适用于重庆市高校的专利价值评价体系以及高价值专利的价值评估模型，以期从点及面，为建立适用于各高校的高价值专利评价体系及价值评估模型提供参考。

二、研究现状

（一）高价值专利内涵

专利价值从狭义角度而言，即由市场决定的、能够为专利权人带来一定经济回报的专利市场价值^[1]。而从广义而言，专利价值应当包含技术价值、法律价值、市场价值等多方面内容^[2]。

关于高价值专利，目前并没有权威性定义，大多数研究皆在普通专利定义上做出调整。如刘谦等将高价值专利定义为具有高创新水平技术方案、稳定且范围清晰的法律权利、市场规模与需求前景好、高效转化与运用、高水平产业引领并在各维度上能够为企业带来较高价值的专利或专利组合^[3]。而彭小宝等则通过战略、技术、法律以及市场这四个维度对高价值发明专利的界定标准进行分析，确定战略价值是必备的首要条件，技术价值、法律价值和市场价值满足其中一个条件即可认为该发明专利具备高价值^[4]。刘勤等则从实务方面对高价值专利进行界定，提出“四位一体”高价值专利分析理念，认为专利的高价值是高水平技术研发、高质量申请确权、高效益转化运用、高起点产业引领的综合体现^[5]。晁蓉等认为对于高价值专利而言，其专利综合价值是专利本身技术属性和专利技术在目标市场价值的共同体现^[6]。

（二）高价值专利评价指标

对高价值专利进行评估须分析影响高价值专利的相关因素，建立相应的评价指标体系。当前国际上具有较大影响力的评价指标体系有欧盟创新评价指标体系、LS专利价值评估模型、CHI专利评价指标体系、日本知识产权管理评估指标以及中国国家知识产权局专利价值分析体系。

国内外众多学者也往往基于这些指标体系对专利相关影响因素及评价指标体系进行完善更新。如Hall等认为若将市场价值引入专利价值评估中，即可采用无形资产的评估方法对专利价值进行评估^[7]。Lee提出专利价值包含技术价值、直接经济价值以及间接经济价值三方面内容^[8]。万小丽等根据技术、市场、权利三方面价值因素建立了包含3个一级指标、17个二级指标的专利价值评价体系，再借助层次分析法求取各项指标权重，并利用模糊综合评价法求取专利实际价值^[9]。而后众多国内学者对于专利评价指标的构建多参考国家知识产权局提出的以专利技术价值、法律价值和经济价值以及18个评估指标作为基础构建的评价体系^[10]。宋凯在前人研究成果的基础上，结合指标数据的可得性及科学性，从法律、技术、市场、战略四个维度出发，选取12个评估指标对专利特征进行全面反映^[11]。胡泽文等基于扎根理论，同样认为高价值专利的衡量可以从经济、市场、战略、法律等维度进行，并系统性地归纳梳理了高价值专利评估与识别领域的研究内容等^[12]。冉从敬等以云计算领域为例，结合已有研究，从经济、技术、法律、应用、战略五个方面构建高校专利价值评价指标体系^[13]。沈莹、王雪娇等从高校专利的质量、数量、价值三个维度构建高校专利的综合评价模型，并借助群组决策特征根法（GEM）对指标进行二次筛选，使得指标体系更加精炼^[14-15]。而刘勤等从“四位一体”的高价值专利分析理念出发构建高价值专利评价体系^[5]。曹伟光等则在“四位一体”评价体系的基础上增加一维特殊参数，即《“十四五”国家知识产权保护和运用规划》（以下简称《规划》）中给出的高价值专利的范围，提出“4+ 1 ” 的企业高价值专利评价体系^[16]。

（三）高价值专利评估方法

关于高价值专利的评估方法，学界也产生了许多研究成果。王子焉等按照方法本身的属性将专利价值评估方法细分为经济学方法、综合评价法和其他新兴法三类^[17]。刘妍则在此基础上细分归纳为经济学方法、技术类方法、统计分析法和综合评估法四类^[18]。

在具体的专利价值评估方法上，来音等基于锚定效应理论，选取专利发明人的历史专利转化特征作为锚定指标，构建基于注意力机制的深度学习模型，对高校专利价值进行评估和预测^[19]。宋凯等结合熵权法与突变级数法对指标进行计算，并从内容分析角度对高校专利价值进行评估^[20]。冉从敬等根据建立的专利价值评价体系以武汉大学为例构建数据集，采用熵权TOPSIS模型对识别出的专利进行打分赋权，并对具有诉讼价值的专利将分数与判赔额度进行曲线拟合后，对其价格做出预测^[21]。谢文静等在基础专利价值评价体系上加入发明人特征指标，并借助实证得出基于粗糙集理论构建的专利价值评估模型具有一定的可操作性和准确性^[22]。刘澄等同样借助粗糙集理论对专利价值评估指标体系进行约简，并据此建立基于BP神经网络的专利价值评估模型^[23]。

综合上述文献，本文认为高价值专利应从技术、法律、经济、战略四个维度分析，即具有高技术创新水平、高质量且稳定清晰的法律权利及范围、高效益高价值的市场转化运用、高水平战略性产业的专利或专利组合。目前对于专利价值的评估指标和方法的研究都较为成熟。但对于高价值专利，特别是高校高价值专利的评估指标及方法，目前研究相对较少，学界也并未形成统一的评价指标体系。本文欲借鉴前人众多专利价值评价体系以及多种评估方法综合评估高校高价值专利，以期建立一个适用于高校高价值专利的评价指标体系与评估模型，推动高校高价值专利评估理论发展。

三、高校高价值专利评价指标体系构建——以重庆市典型高校专利数据为例

（一）构建原则

高校高价值专利评价指标的选取应当遵循以下原则：一是系统性。应把选取的各项指标作为一个整体，综合考量各项指标之间的关联性，力争全面、整体地系统性评估专利。二是科学性。所选取的各项指标应尽量采用国内外普遍认可或具有较强代表性的指标。三是独立性。各项指标之间，应对相互关联的指标进行合并，每个指标应具有独立意义。四是可测性。指标应尽量选取能进行相应测度计算的指标，对于部分能较好反映专利价值但数据获取性太差的指标，应予以适当替换与舍弃。五是可操作性。尽量选取可操作性较好的指标以保证评估指标体系的顺利构建，各指标的相关概念及定义明确清晰。

（二）高校高价值专利基础评价指标体系

高校高价值专利评价指标的适用度直接关系到评估模型是否具有科学性与可用性。经过文献查阅得知，有研究已经对评价指标与专利价值的相关性进行了充分论证，故本文在借鉴学界学者已有研究的基础上，依据《专利价值分析指标体系操作手册》^[10]以及《规划》中给出的高价值专利范围，对已有的评价指标进行扩展延伸，综合技术、法律、经济三个基本维度以及《规划》中的高价值专利范围作为特殊参数维度，建立“3+1维”高校高价值专利基础评价指标体系。

根据体系构建预设阶段的基础评价指标，基于高校高价值专利的内涵定义，三类基本维度指标参数初步设为31项，特殊维度指标参数设为5项，共计二级指标参数36项，具体内容如表1所示。其中，根据《规划》中对高价值专利的定义来看，有效发明专利只需符合特殊参数维度中任一指标即属于高价值专利；若不符合特殊参数指标，但三类基本维度指标综合数值较高，也应当属于高价值专利。

（三）数据获取

本文基于2020—2022年重庆市十所典型高校（重庆大学、西南大学、重庆邮电大学、重庆交通大学、重庆医科大学、重庆理工大学、重庆师范大学、重庆工商大学、重庆科技学院、重庆文理学院）的专利申请数据，通过incopat专利搜索平台，以申请日为2020—2022年、申请人为上述十所高校为检索项，获得一个共计16504条专利数据的集合。

（四）指标筛选及约简

评价体系中指标数量越多，指标之间的重叠概率也就越大。因此，在构建评价指标体系时应尽量在反映体系整体特征的前提下精炼指标内容，剔除重要性低、获取难度大、对评价结果影响较小的指标，进而减少指标总量。

首先对收集的样本数据进行相应的统计分析处理，然后根据统计分析结果对构建的基础评价指标体系中部分指标进行调整优化，最后采用粗糙集理论对优化后的指标进行筛选，以此提高该指标体系的科学性与准确性。

根据上述数据集合的相关内容，统计分析基础评价指标体系各个指标数据收集的可获得性，人工剔除部分数据无法获取或获取难度大的指标，包括合作强度、获奖能力、市场份额、实施例数（由于说明书中一般仅展示最佳实施例，并不能完全反映专利价值）、专利寿命（选取数据皆为近三年专利数据，本文暂不考虑专利寿命的影响）。

通过粗糙集理论对优化后的评价指标体系剩余指标进行约简筛选。粗糙集理论是对不确定、不一致、不完整的数据进行定量分析，通过发现内在隐含信息，找出数据间的内在联系并进行约简。约简后的属性，其数据有得出同等最终有效规则的效力。本文采用Rosetta软件对优化后的评价指标进行约简。

本文以各高校专利的合享价值度作为粗糙集高价值专利价值评估模型分析的决策属性，优化后的评价指标作为粗糙集模型的属性变量。由于数据集合及指标中存在数值变量与文本变量，文本变量则需要进行数值化处理。需要数值化处理的文本变量有当前法律状态、专利有效性。具体处理如表2所示。

将上述数据集合带入Rosetta软件中构建决策表，因本文在数据收集时已剔除数据缺失项，因此决策表中不含缺失值，无需通过软件进行数据预处理以补全数据集合。在运用粗糙集进行属性约简前，需对决策表中各连续变量进行离散化。Rosetta软件中常用离散方法有Equal Frequency、Boolean、MDL、Naïve、Semi-Naïve。分别通过五种离散方法进行运算后，可知Equal Frequency断点数最少，为44个，因此本文选用Equal Frequency算法作为离散方法对数据进行离散化。

根据上述Equal Frequency算法离散后的决策表进行属性约简，Rosetta软件中指标属性约简方法有Genetic algorithm算法、Johnson's algorithm算法和Holte's1R算法三种，将离散后的决策表分别带入三种约简算法进行计算约简，可得具体属性约简结果，如表3所示。

在支持度均为100的条件下，由于Genetic algorithm算法中存在和Johnson's algorithm算法相同的约简结果，且Holte's1R算法得出的约简结果效果不明显，故选择Genetic algorithm算法和Johnson's algorithm算法得出的相同约简结果作为最终约简结果，如表4所示。

（五）基于熵值法对指标赋权

熵值法基于信息熵理论，根据各项指标观测数据的信息量大小对其进行赋权。通过计算熵值判断指标的随机性和无序程度；指标离散程度越大，其对评价结果的影响越大，具有的权重也就越大^[24]。

本文通过Stata15软件计算各个指标因素的熵值。首先，将约简后的各个评价指标相关数据导入数据集合；其次，对数据集合进行归一化处理；最后，以合享价值度作为被解释变量，各个指标作为解释变量，代入Stata15软件运用熵值法得出结果。具体处理如下：假设有i个样本观测值，最大值为n；j个评价指标，最大值为m。

通过Stata15软件对相关数据的初始数据集合进行回归分析，判定指标为正向影响指标或负向影响指标，分别对其进行归一化处理，计算公式如下：

正向影响指标：

负向影响指标：

式中，X_ij为第j个指标的第i个标准化数据，x_ij为第j个指标的第i个原始数据，min_j为决策表中第j个指标的最小特征值，max_j为决策表中第j个指标的最大特征值，e_j表示第j个指标的信息熵，d_j表示信息熵冗余度，ω_j表示评价指标权重。最终得到各指标及其权重结果如表5所示。

四、高校高价值专利评估模型构建与检验

（一）高校高价值专利评估模型

根据属性约简后的高校高价值专利评价指标体系以及Stata15软件求取权重最终结果（表5），构建高校高价值专利的评估模型。首先，将数据归一化处理；其次，将处理后的数据代入计算公式，具体过程如下：

A=A₁+A₂+A₃ （7）

式中，A为基本维度价值参数值，A_i为各基本维度标准化参数值，t为二级指标个数，x_ij为第i个基本维度的第j个指标具体标准化数值，ω_ij为第i个基本维度的第j个指标权重。同时需注意：若指标为正向影响指标，则权重系数为正；若指标为负向影响指标，则权重系数为负。

为提高锁定高价值专利的精确性，对基本维度和特殊参数维度进行如下处理：由于基本维度采用数据为归一化后的数据，数值较小，为方便后续比较，可将其值等比扩大m倍。

特殊参数维度内部5项二级指标重要程度设为相等，高价值专利特殊参数整体数值计算如下：

A₄=B₃₂+B₃₃+B₃₄+B₃₅+B₃₆ （9）

式中，A₄为特殊参数维度参数值，具体指标度量方式为：B₃₂为战略性新兴产业发明分类号量，B₃₃为海外同族数，B₃₄为维持超过10年后的年限，B₃₅为较高质押融资次数，B₃₆为获得中国专利奖或国家科学技术奖数量。

基于式（7）、式（8）、式（9），得出高校高价值专利评估公式为

V_高=mA+nA₄ （10）

式中，n为特殊参数维度权重，为方便后续样本数据处理，以及提高特殊参数维度权重占比，本文设置m=100，n=10。

（二）模型检验

为验证该高校高价值专利评估模型的有效性并获得较为客观的验证结论，本文将验证样本数据分为两组对照分析，第一组为专利权人为高校的国内公认高价值专利，共15个测试数据；第二组为高校普通专利，同为15个测试数据。测试数据的选取应当遵循：第一，测试选用的高价值专利应当是业界公认的高价值专利；第二，测试数据不能使用上述构建指标体系及模型时使用的专利数据。

基于此，本文从国家知识产权局第二十四届专利获奖名单中随机选取15件专利权人为高校的专利作为第一组测试数据，其中，从金奖选取5件专利，银奖选取5件专利，优秀奖选取5件专利。由于第一组测试专利数据皆为已获奖的高价值专利，若代入特殊参数维度则没有评价意义，故将第一组测试专利假定为普通高校专利。而后，根据第一组测试专利的主分类号从全国高校2023年1月至7月申请专利中随机选取15件普通专利作为对照分析组。根据上述模型及公式，代入样本数据并归一化处理，然后代入模型进行计算，得到具体数值如表6所示。其中，1至5号为获得金奖专利；6至10号为获得银奖专利；11至15号为获得优秀奖专利；16至30号为高校普通专利。

根据表6，15件获奖专利中仍有14件专利评价排名在样本的前15以内，通过模型计算得到的结果与实际情况吻合程度为93.3%，证明该模型有效性得到验证。而排在前10名的专利价值中获奖专利达到9件，普通专利中仅有第28号专利进入前10乃至第3。该项专利申请人及权利人为中国石油大学，从基本维度上来看该专利投入高水平的技术研发以及其高质量且稳定清晰的法律权利及范围，具有高价值专利的部分特征，认为其为高价值专利也在情理之内。

五、结语

本文首先在技术、法律、经济三类基本维度以及特殊参数维度的基础上，构建符合高价值专利评估的基础评价指标体系；并基于重庆市十所典型高校专利的16504条相关信息对基础评价指标体系进行指标筛选。其次，根据粗糙集理论以及Rosetta软件对指标体系进行约简，得到符合高校高价值专利评价的指标体系，其中包括技术维度、法律维度、经济维度以及特殊参数维度4个一级指标和23个二级指标。随后，通过熵值法以及Stata15软件计算各个指标因素的熵值，据此确定各个指标的权重，并根据指标权重以及指标体系构建高校高价值专利评估模型。最后，通过代入随机选取的国家知识产权局第二十四届专利获奖名单中的15件专利权人为高校的专利以及15件主分类号对应相同的全国各大高校的普通专利对该模型进行检验。最终得出结论：该模型得到的结果与实际情况吻合程度为93.3%。

该高校高价值专利评价指标体系及评估模型的理论意义在于能够为建立适用于全国高校高价值专利的评价指标体系以及评估模型提供参考，现实意义在于有助于有效测量、挖掘高校高价值专利。但本文仍存在一定不足之处：部分指标对专利价值可能存在较大影响，但由于难以测量，故对部分指标进行了舍弃与修正，可能会导致最终结果存在误差。

参考文献：

[1]郑素丽，宋明顺.专利价值由何决定？——基于文献综述的整合性框架[J].科学学研究，2012，30（9）：1316-1323+1332.

[2]杨武，孙世强，陈培.技术锁定视角下的专利价值影响因素分析[J].科学学研究，2022，40（6）：1024-1033.

[3]刘谦，姜南，王亚利，等.国内高价值专利研究热点演进与整合框架——基于SKM的可视化分析[J].科技进步与对策，2022，39（21）：151-160.

[4]彭小宝，陈文清.我国高价值发明专利界定标准研究[J].科技与法律（中英文），2021（6）：58-64.

[5]刘勤，杨玉明，刘友华.高价值专利评估建模与实证[J].情报理论与实践，2021，44（2）：122-127.

[6]晁蓉，赵庆华，龙海东.单项高价值专利评估的综合价值模型研究[J].情报探索，2021（1）：21-27.

[7]HALL B H, THOMA G, TORRISIS.The market value of patents and R&D: evidence from European firms[J]. Academy of Management Proceedings, 2007, 2007（1）: 1-6.

[8]LEE N. Exclusion and coordination in collaborative innovation and patent law[J]. International Journal of Intellectual Property Management, 2009, 3（1）: 79-93.

[9]万小丽，朱雪忠.专利价值的评估指标体系及模糊综合评价[J].科研管理，2008（2）：185-191.

[10]国家知识产权局专利管理司，中国技术交易所.专利价值分析指标体系操作手册[M].北京：知识产权出版社，2012.

[11]宋凯.高校专利技术转移价值评估研究——基于熵权TOPSIS模型和梯度提升树算法[J].情报杂志，2021，40（7）：52-57.

[12]胡泽文，周西姬，任萍.基于扎根理论的高价值专利评估与识别研究综述[J].情报科学，2022，40（2）：183-192.

[13]冉从敬，宋凯.高校专利价值评估模型构建——以云计算领域为例[J].图书馆论坛，2021，41（1）：91-98.

[14]沈莹.我国高校专利水平评价指标体系研究[D].杭州：杭州电子科技大学，2020.

[15]王雪娇，徐云，王衡，等.河南省高校专利水平评价指标体系的建模探究——以2012—2021年10所重点高校的相关数据分析为例[J].中国高校科技，2023（4）：89-96.

[16]曹伟光，王建信.企业高价值专利评估建模及数据实证分析[J].中国发明与专利，2022，19（12）：18-25.

[17]王子焉，刘文涛，倪渊，等.专利价值评估研究综述[J].科技管理研究，2019，39（16）：181-190.

[18]刘妍.专利价值评估研究综述与趋势展望[J].图书情报工作，2022，66（15）：127-139.

[19]来音，李婉丽，李峥峰，等.深度注意力机制下的高校专利价值评估方法——基于历史转化特征锚定效应视角[J].情报杂志，2023，42（8）：201-206.

[20]宋凯，冉从敬.基于指标计算与内容分析的高校专利价值评估方法研究[J].情报理论与实践，2023，46（2）：136-144.

[21]冉从敬，李旺.高校专利价值评估模型构建[J].情报杂志，2022，41（7）：65-70.

[22]谢文静，鲍新中，张楠.基于粗糙集理论的专利价值评估及其实证研究[J].情报杂志，2020，39（8）：76-81.

[23]刘澄，雷秋原，张楠，等.基于BP神经网络的专利价值评估方法及其应用研究[J].情报杂志，2021，40（12）：195-202.

[24]周薇，李筱菁.基于信息熵理论的综合评价方法[J].科学技术与工程，2010，10（23）：5839-5843.

作者简介：苏平，重庆理工大学科技创新知识产权研究中心，主任，法学博士，教授，硕士生导师，研究方向为知识产权管理、知识产权评估；李信刚，重庆理工大学经济金融学院，硕士研究生，研究方向为知识产权评估，本文通讯作者。