[主要专利分析方法介绍.docVIP

主要专利分析方法介绍： 技术功效矩阵分析：主要分析专利技术（包括方法、设备和操作原理）及其功效间的对应关系，通过专利数量来有效衡量为提升技术功效而投入的技术力量，从而更明确为提升某一技术功效所必需的技术投入，再结合自身技术潜力，对发展计划实施的难易程度进行估计。另一方面，运用技术功效矩阵分析方法有利于找出技术领域内的瓶颈问题，帮助对类似技术主题和优先解决的技术障碍等问题的合理决策。 权利要求范围构件及其关系分析：近年来，尤其在某些技术密集工业领域，一项新产品上市就已经受到了上百件专利的保护，因此严格规范与区分现有专利技术的权利要求、定位自己的专利空间，对新产品研发尤为重要。权利要求定位的主要作用，其一是新技术研发过程中，不断分析现有专利（特别是新近公开的）的权利要求点，从中寻找权利空白，不断调整技术研发方向，为自身新技术专利申请规划权利空间，以保证顺利获得专利并得到最大经济利益;其二是在侵权判断中的应用，新产品上市后，无论是被诉侵权还是诉他人侵权，都可以由专利、技术和法律专业人员通过对双方技术要点、权利要求点进行比对，判断是否“在被控侵权的产品或方法中，包括了独立权利要求中的每一个技术特征”，由此分辨侵权可能。 技术发展阶段测量方法：通过计算技术生长率(V)、技术成熟系数()、技术衰老系数()和新技术特征系数(N)，根据V、、、N的值随时间变化情况测算某技术领域的技术发展阶段。 4、技术生命周期分析方法：通过对专利数量与专利申请人数量进行二者的时序变化分析。专利技术生命周期在理论上被划分为4个阶段：技术起步期，专利申请数量和申请人数都较少，领域内研究者不多，研究成果较少，处于实验开发阶段;技术发展期，申请数量和申请人数均大幅增长，较多力量进入该技术市场，多为产品导向型专利;技术成熟期，专利数量继续增加，申请人数量维持不变，前期取得优势的有限几家公司掌握了主要技术并主导着该技术发展，技术已趋于成熟，以商品改良设计型专利为主:技术衰退期，申请数量下滑，申请人数降低，经市场淘汰仅少数优势厂商生存，商品型态固定，技术无进展，以小幅改良型专利为主。此后，技术是否能进入复活期，主要取决于是否有突破性创新为技术市场注入活力。 5、专利引证关系分析：一般而言，专利公开时间越早，被引证机率就越高，但客观上仍可将被引证量高的专利视为本领域内核心专利。对于核心专利，不仅其技术内容值得重视，其所属国别研究也可反映出该领域关键性技术的重要研发阵地与技术市场。同时，由于专利引证率是衡量专利质量的重要指标，拥有核心专利的专利权人的研发实力与对本技术领域的整体带动作用也不可小觑。 6、专利引证时间进程分析：将某项技术的核心专利按照引证关系进行排列，用以追踪专利引证线索。以核心专利为源头，按时间进程分析其引证关系，可了解该技术的发展进程。 7、核心专利引证关系技术族谱分析：分析核心专利的后续引证专利，按照技术主题的相似程度将后续引证专利分类，有助于了解某技术领域内各组成技术的起源及相关研发进展，并分析未来技术发展方向。以核心专利US4796161技术为源头发展出了颇具规模的专利族群，而根据群聚内各专利成员的技术主题区分，可以清晰体现出族群内部专利技术的群聚性和相依性。 8、专利数据挖掘：由于专利数量的几何增长，一般数理统计分析方法已不能满足对专利海量信息深层次分析的需求，数据挖掘技术己逐渐被应用到专利信息深层次分析中。数据挖掘是从大量数据中挖掘隐含的、先前未知的、对决策有潜在价值的知识和规则。这些知识与规则蕴含了数据库中一组对象之间的特定关系，揭示的有用信息可为科学研究、经营决策、市场策划、经济预测、工业控制提供依据。数据挖掘的模式主要有关联规则、聚类分析、序列模式、分类等。关联规则是寻找在同一个事件中出现的不同项的相关性。聚类是把一组个体按照相似性归成若干类别，其目的是使得属于同一类别的个体之间的距离尽可能的小，而不同类别的个体间的距离尽可能的大。序列模式和关联规则相似，其目的也是挖掘数据之间的联系，但序列模式分析的侧重点在于分析数据间的前后序列关系。分类要解决的问题是为一个事件或对象归类。关联分析是常见的数据挖掘分析方法，主要采用结构化的表现形式对一系列对象、参数、特点之间的相关关系进行分析的方法。在专利数据挖掘分析中，关联分析通过寻找同一专利集合中不同数据项的相关性，找出其间的隐藏关系，获取其中的依赖或关联特点。例如，领域内组成技术间的关系分析、专利权人之间的合作关系分析等。 9、专利地图方法： 10、基于文献计量学的专利分析方法：