用于预测标准必要专利的动态模型

《World Patent Information》：A dynamic model for predicting standard-essential patents

　　张颖|吴卓|白宗汉|刘伟东•提出了一种整合静态和时变专利特征的动态标准必要专利预测模型。•通过时间槽框架，能够对未来的标准化结果进行可验证的预测。•通过联合建模四种特征类别（SSF、SNF、DSF、DNF），以捕捉专利的发展态势。•从大规模的PatSnap数据中构建了带有标准化标准必要专利时间标签的新数据集。•实验表明，该模型在两个主要技术领域的表现均优于基于NCDE的基准模型。

引言
标准通常被称为国际贸易的“护照”，而专利则体现了技术的“所有权”[1]。随着标准与专利的融合，标准必要专利决定了谁拥有国际贸易的“护照”[1]。因此，标准必要专利逐渐成为知识产权领域的关注焦点。标准必要专利预测技术能够预测普通专利在未来转变为标准必要专利的潜力。这项技术不仅有助于专利相关方了解行业发展的现状及未来趋势，还能通过提供有价值的数据和洞察来支持国家知识产权战略的制定与实施。正因如此，世界各国开始重视标准必要专利预测方法。

传统的标准必要专利预测方法主要依赖于人工分析专利，专家需要研究所有专利权利要求，并将识别出的权利要求要素与多个技术规范中的数千个条款进行系统匹配[2]、[3]。这些方法高度依赖专家的知识和行业经验，因此存在效率低、成本高以及可能产生不一致性的问题[3]、[4]、[5]。随着专利和标准数量的迅速增加，这类手工方法变得越来越不切实际[1]、[6]。为此，人们提出了更多自动化的标准必要专利预测方法，其中大多数方法通过分析与专利相关的特征来评估专利成为标准必要专利的潜力。

在当前的AI时代，专利和标准化研究受益于各种智能方法，从传统的机器学习、深度表示学习到最近出现的大语言模型。尽管大语言模型在专利文本生成、总结和检索任务中展现出强大的能力，但现有的标准必要专利预测研究仍然大多将问题视为一种判别性、以特征为驱动的预测任务，而非生成式任务[4]、[7]、[8]、[9]。这种思维模式使得当前的标准必要专利预测研究存在三个关键局限性（我们在之前的工作中部分探讨过[1]，此处进一步阐述）：
•专利特征利用不足。现有的标准必要专利预测方法仅静态地使用专利特征，忽略了某些专利特征可能会随时间发生变化这一事实，而这可能会影响这些方法的有效性和全面性。实际上，随着专利相关状况的变化，该专利转变为标准必要专利的可能性也会随之改变。
•预测结果不可验证。现有的标准必要专利预测方法主要评估专利转变为标准必要专利的潜力，而不将标准化时间纳入预测之中，这使得这些方法的结果难以验证。例如，当某种现有方法预测某项专利不是标准必要专利时，该专利在其剩余有效期内仍有可能成为标准必要专利。
•用于动态标准必要专利预测任务的数据集不足。现有标准必要专利预测方法所使用的数据集中，每个专利记录虽然包含该专利是否为标准必要专利的标签，但却缺乏专利标准化时间标签。因此，这些数据集无法用于动态标准必要专利预测任务。

基于上述背景，我们围绕以下三个研究问题展开研究，这些问题直接针对上述局限性：
•RQ1：如何联合建模静态和动态专利特征，以提高标准必要专利预测的性能？
•RQ2：如何将标准必要专利预测转化为一种具有时间意识且可验证的预测任务，而非静态分类问题？
•RQ3：如何构建包含明确专利标准化时间的数据集，以支持动态标准必要专利预测研究？

为解决这些问题[1]，我们开发了一种动态标准必要专利预测模型，其核心设计目标和贡献如下：
•为了充分利用各种专利特征，对于给定的专利，我们分别提取和处理其静态结构化特征、静态非结构化特征、动态结构化特征以及动态非结构化特征，从而实现动态预测。通过将专利信息随时间的变化纳入预测过程，可以得出更准确的动态预测结果。
•为了提供可验证的预测结果，我们能够动态预测某项专利在未来几年内是否会转变为标准必要专利。对于每项专利，我们会划分多个长度不同的时间槽。通过这些时间槽，我们的模型可以动态预测该专利在未来几年内是否有可能成为标准必要专利，而且这一预测结果可以在预测时间内得到验证。
•为了补充专利标准化时间的信息，我们从PatSnap提供的信息中分析专利的标准化时间。通过整合每项标准必要专利的标准化时间，我们构建了多个可用于动态标准必要专利预测任务的数据集。

本文的其余结构如下：第2节回顾相关研究；第3节明确具有时间意识的标准必要专利预测任务，并介绍所提出的动态标准必要专利预测模型；第4节详细介绍实验内容；第5节给出结论及未来工作方向。

相关研究
本文的相关研究可分为两类：（1）专利特征选择与表示；（2）标准必要专利预测。

问题定义
对于某项专利p，其专利时间是指从该专利申请前的第α年到申请后的第d年之间的时间长度[1]。
定义1：专利时间（Tp） Tp={yeary}y=?αd
其中，Tp表示专利p的专利时间；d表示从申请年到专利时间结束年的时长；α表示专利申请年前面的年数。

对于专利p，我们根据专利时间Tp划分多个时间槽，如图1所示。每个时间槽包含……

实验
本节介绍我们的实验及结果。

结论与未来工作
在标准必要专利预测领域，现有方法面临着诸多挑战，包括未能充分利用时变的专利证据、难以在有限时间内验证的与时间无关的预测结果，以及缺乏包含明确专利标准化时间信息的数据集。为应对这些挑战，我们采用时间槽框架将标准必要专利预测定义为一种具有时间意识且可验证的预测问题，并提出了DSEPPM这种动态标准必要专利预测模型，该模型能够同时建模四种……

CRediT作者贡献声明
张颖：撰写——审阅与编辑、指导、项目管理、形式分析、概念构思。吴卓：撰写——审阅与编辑、方法论、数据整理。白宗汉：撰写——审阅与编辑、初稿撰写、项目管理、方法论、数据整理。刘伟东：撰写——审阅与编辑、指导、项目管理、方法论、研究调查、资金筹集。

利益冲突声明
我们声明，就所提交的工作而言，我们没有任何可能构成利益冲突的商业或关联利益。

致谢
本文的研究工作得到了内蒙古自治区高等学校青年科技人才计划（项目编号NJYT23058）、内蒙古自然科学基金杰出青年学者基金（2024JQ16）以及校企合作教育项目（25070417127 2204）的支持。张颖是内蒙古建筑职业技术学院的副教授，她的研究重点在于知识产权管理及数据挖掘，尤其关注专利信息分析和技术创新评价领域。