網上技術交易趨勢預測模型及應用研究

胡 鍇， 朱雪忠 ，王 義，甄春杰

(1.同濟大學 上海國際知識產權學院，上海 200092；2.保定大為計算機軟件開發有限公司，河北 保定 071000)

0 引言

我國網上技術市場出現于本世紀初[1]，經過十余年的發展形成了一些區域性、行業性的網上技術交易平臺。科技部《“十三五”技術市場發展專項規劃》提出，利用技術市場與“互聯網+”的結合，構建國家技術交易網絡平臺，提升要素流通速度和資源配置效率。但是，當前網上技術交易服務尚存在諸多難題，例如網上交易過程中技術信息的敏感性，導致買賣雙方對信息披露存在顧慮，平臺機構需要進行大量盡職調查等線下工作以促成交易[2]。因此，缺乏在線化服務技術和服務產品成為平臺服務瓶頸，不僅限制了其線上服務能力的發揮[3]，還凸顯了技術轉移專業服務人員短缺的現實困境[4]。

有鑒于此，國家、技術轉移行業、服務企業都非常關注在線化服務技術創新。科技部于2017年啟動了“現代服務業共性關鍵技術”的國家重點研發計劃，其中，針對科技成果的知識產權交易服務，部署了專項研發任務，重點研究交易服務過程的關鍵支撐技術并開展區域性綜合科技服務平臺、知識產權運營服務平臺等應用示范項目研究[5]。國內一些代表性技術交易平臺機構也開始注重利用信息資源優勢并開發交易服務技術，力圖建立技術信息快速識別、篩選、匹配機制，以增強平臺信息管理專業化能力。

目前，我國技術市場成交量增長迅速，利用互聯網開展技術交易等科技服務具有巨大潛力。在線化交易服務技術發展的目的在于降低交易成本、緩解交易過程中的信息不對稱、提高服務協同共享能力。網上平臺如果能夠通過信息分析手段進行標準化與快速化技術篩選，預測技術交易趨勢、識別技術交易潛力，將會大大提高網上技術市場運作效率。現有專利情報研究的技術評價方法并不契合網上技術交易專利篩選的應用場景，對于網上平臺資源差異、專利權利狀態變化特點缺乏針對性考量。本文試圖結合網上技術市場和專利情報分析理論，構建網上技術交易趨勢預測模型并設計相關流程，有助于評估網上技術交易概率，并借此提高平臺機構的信息管理水平。最后，以廣州知識產權交易中心的網上掛牌專利為例進行定量測度和評價分析，以期為網上平臺設計基于自身特點的技術信息管理策略，為提高信息服務專業化能力提供參考。

1 研究背景

1.1 問題提出

網上技術市場(online technology marketplaces)興起引起了理論界的關注。研究認為，網上平臺跨越空間距離連接起潛在技術交易對象，可以顯著降低技術搜索成本[6,7]。然而，隨著網上平臺對買賣雙方和技術發明的聚集，技術供求方之間的信息不對稱相應產生，可能引發逆向選擇問題并導致市場失靈[8]。此外，網上技術信息的不當披露還可能產生知識流失等道德風險[9]。因此，對于專利等技術信息的有效管理有助于減少網上技術交易摩擦，成為網上平臺關鍵運營機制之一。

網上平臺技術信息管理的主要落腳點是對專利技術的全面評估，綜合現有研究看，可分為應用場景評估和技術質量評估兩大類。首先，應用場景評估主要是指網上平臺設計提供格式化技術披露模板，要求技術提供方以固定化格式，清晰而詳盡地描述專利技術應用領域信息，促使潛在技術需求方能夠更好地理解專利技術的直接或潛在應用范圍[10]，從而促進專利技術之間的有效比較，實現對專利技術的快速歸類和選定[11]。其次，技術質量評估主要借助交易服務的技術手段，以盡可能標準化、即時性的調查方式，對技術信息加以匯總和判別，以便平臺運營方開展初步的盡職調查，從而實現交易趨勢預測、交易潛力判斷、技術分級篩選等管理功能[8]。

對比來看，網上技術信息管理中的技術質量評估對于平臺運營方更為重要。一方面，高效技術質量評估可以降低線下技術調查成本；另一方面，通過評估程序可以篩選具備交易潛力的專利技術，建立平臺準入管理和質量分級管理制度，在保持網上市場流動性的基礎上，限制低質量技術進入網上市場或用戶搜索結果清單，有助于進一步降低技術線上搜索成本。因此，提高網上平臺技術交易信息管理能力，使平臺專注于技術交易成本降低，從而有助于提升網上技術市場整體運作效率。然而據檢索，結合網上技術交易特點，針對網上平臺信息管理技術質量評估方法的研究較為缺乏。

1.2 預測模型方法論

如前所述，網上平臺技術交易信息管理的重點在于技術質量評估，而該評估的核心功能是對交易潛力的判斷和交易趨勢預測。實現網上技術交易預測的難點在于：①預測即時性，網上平臺技術展示數量較大，平臺需要建立評價指標和相關模型，對大量技術進行快速預測，以滿足用戶短時間內集中瀏覽的需求；②交易趨勢多樣性，掛牌專利的法律狀態變化可能存在多種形式，涵蓋權利維持、權利運用、權利失效等不同狀態，影響預測結果的指標可能不盡相同；③網上平臺異質性，不同類型的網上平臺，其技術來源差異巨大，對預測模型及其指標組成產生不同影響。

因此，網上技術交易趨勢預測的可行方法是：區分轉讓、許可、失效、訴訟等多種專利法律狀態類型，針對不同類型法律狀態變化特點，分別對其變化趨勢進行建模分析，篩選具備交易潛力的專利技術，建立掛牌技術的分級管理模式，淘汰或規避具有潛在交易風險的專利技術。同時，要考慮方法的便捷性和易操作性、對不同平臺的適用性和可移植性，以及分析源數據獲取難度和成本。

預測方法中的專利法律狀態信息是指國家專利行政部門出版的專利公報中公開和公告的法律信息，包括從專利申請、授權到權利運用、訴訟，直至權利失效整體過程的信息數據。根據專利情報分析理論，專利法律狀態信息可提供多種情報內容，特別是在衡量專利質量方面具有重要應用價值，現有研究從不同角度挖掘其使用途徑。例如，賴院根等(2007)使用專利申請信息，分析我國數字信號處理器技術的發展與專利質量情況；張米爾等[12]基于專利維持信息，建立了電信通信領域低質量專利的識別指標及方法；劉立春等(2015)根據專利無效請求的樣本信息，評估藥品專利的法律質量影響因素；張杰等(2018)利用心臟起搏器領域的專利訴訟數據，構建專利質量評價模型。然而，尚未發現利用網上交易的專利法律狀態信息開展情報挖掘的研究，現有分析模型也并不契合網上專利交易的特點。

1.3 研究思路

綜上所述，本文希望提出一種基于專利法律狀態變化的網上技術交易趨勢預測模型，以便網上平臺根據自身技術資源情況開展技術質量評估，完善平臺整體技術信息管理體系，有助于提高網上交易服務能力和網上技術市場運作效率，研究主要邏輯見圖1。

圖1 網上技術交易趨勢預測問題與方法

網上技術交易的特點決定了其專利分析必須結合平臺資源情況，建立相關評價體系和方法。同時，對交易潛力的判斷和交易趨勢預測，需要考慮多種不同專利法律狀態變化的可能性，指標和模型選取要具有適用性和實用性，既考慮到方法在不同平臺間的可移植性，也不會過度增加平臺數據獲取難度和成本。因此，本文研究思路是從網上技術市場理論和專利情報分析理論出發，構建基于專利法律狀態信息的分析指標體系與預測模型，設計預測流程方法，以評估專利技術交易潛力和趨勢并開展模型應用研究，為提高網上技術交易信息管理水平提供借鑒。

2 網上技術交易趨勢預測模型

2.1 分析指標

為了體現網上技術交易特點并反映平臺技術信息管理中的技術質量評估要求，本研究預測模型分析指標的選取依據，主要參考網上技術市場理論和專利質量評價指標的研究結果，分別從網上交易特征和專利質量特征兩個維度建立指標體系，不同維度下包括若干級別的指標，具體指標體系見表1。

網上交易特征維度主要依據Agrawal等[8]、Dushnitskya & Klueter[9]提出的網上技術交易影響因素，包括技術權利人的價值預期、交易成本、對專利權利運用的綜合戰略3個一級指標；專利質量特征維度主要依據朱雪忠和萬小麗[13]、萬小麗[14]提出的分類標準，包括專利法律特征、技術特征、經濟特征3個一級指標。需要指出的是，指標體系建立既要具有相關理論基礎，也要充分考慮其對于網上技術交易趨勢的實際影響，同時兼顧數據獲取的便捷性與可操作性，從而有利于網上平臺對大批量專利進行標準化、快速化預測分析。

從指標內涵上，網上交易特征的三級指標包括：①專利技術網上掛牌價格，其顯示了專利權人對專利價值的預期。對網上專利拍賣的研究認為，技術賣方一般會高估專利的經濟價值，如果買賣雙方對專利價值的預期相差很大，可能導致交易無法達成(方厚政、劉鵬，2013)。因此，掛牌價格可能直接影響買賣雙方對估值意見的一致性，以及專利權人后續的權利維持行為；②權利人與網上平臺的距離，網上技術市場開放性特點有助于遠距離交易相關方之間的交流，從而降低技術交易成本。研究指出，技術賣方身份識別是網上技術市場的主要障礙之一，尤其是當地理上不接近時更為嚴重[15]。此外，研究證實地理距離可能阻礙對技術發明的理解[16]。因此，權利人與交易所的地理距離可能影響交易平臺識別與監督成本；③專利維持時間，代表專利從申請日至無效、終止、撤銷或屆滿之日的實際時間，研究認為，專利維持時間是權利人基于自身條件、專利技術情況、專利制度情況、專利戰略等考量而作出的綜合性決定(喬永忠，2011)；④權利人類型，研究表明，個人、企業、高校與科研機構等不同類型的專利權利人，在權利運用上的戰略具有明顯差異(喬永忠，2011)。

專利質量是一個相對概念，其以法律有效性為基礎，以技術先進性為核心，代表專利的技術經濟價值[13]。因此，專利質量特征三級指標選取可分別考慮法律、技術、經濟3個層面[14]，具體包括：①權利要求數，是指專利文件中權利要求項的總和，權利要求數越多，意味著專利權人對技術的理解越深入，專利文件的法律質量越高；②發明人數，反映了技術發明的復雜程度和創新水平，但發明人數一般與專利訴訟發生概率顯著正相關，原因是發明人數越多，越可能產生利益分配沖突，同時發現專利被侵權的可能性也會增大；③前向引用數，是指本專利被后期專利引用的次數，被引用較多的專利通常是基礎專利或者核心專利，前向引用數越多意味著專利表現出的技術先進性越強；④IPC數量，是指專利文件中國際專利分類號的數量，IPC數量多意味著該項專利涉及多個技術領域，可能引發更廣范圍的潛在買家關注；⑤后向引用數，是指在專利申請文件中引用前人專利文獻的數量，反映專利技術的科學、技術基礎，后向引用數多意味著技術方案基于較為廣泛的科學知識，以及與現有技術的聯系更密切，易形成技術之間的相互關聯；⑥同族專利數，是指專利權人在不同國家或地區申請、公布的具有共同優先權的專利數量，一般用于衡量專利經濟價值，同族數越多意味著專利經濟質量越高。因此，上述三級指標不僅可能影響專利在網上掛牌后交易的可能性，同時可能影響專利權人對專利的態度。

2.2 預測模型

本研究從網上掛牌后一定時期內，以專利法律狀態是否發生變化為判斷標準，建立預測模型。具體專利法律狀態變化類型見表2。

表2 網上技術交易趨勢預測參考類型

由于專利法律狀態變化與否是二分類變量，可利用二分類 Logistic模型進行預測分析。預測模型中的因變量y取值為1 ，表示發生了某種法律狀態變化；y取值為0 ，表示未發生相應的法律狀態變化。函數P代表發生某種法律狀態變化概率，函數P中的自變量是研究前期選取的分析指標，分別記為x1，x2，…，xi，則可得到某種法律狀態變化概率的預測模型。具體而言，專利i發生某一專利法律狀態變化的概率P(yi=1|x1,x2,…,xi)可以表示為(式中，β0為常數項，β1～βi分別為自變量x1～xi的回歸系數)：

2.3 流程方法

本研究立足拓展專利法律狀態信息情報應用場景，建立網上專利交易趨勢預測方法，基于上述分析指標體系與預測模型構建，設計交易趨勢預測流程，見圖2。本研究團隊前期設計了基于權利識別的網上專利交易信息管理系統[17]，在該研究基礎和模型架構上，進一步實現網上技術交易趨勢預測功能。

由圖2所示，該流程主要包括4個功能模塊：①掛牌專利信息管理分類，平臺運營方區分應用場景評估和技術質量評估兩種專利篩選模式，并進入不同的評估程序；②數據爬取與整合，從官方專利數據庫和商業網站數據庫中爬取專利信息并對數據進行整合處理；③選取指標與構建核心模型，鏈接網上交易特征和專利質量特征兩個維度的分析指標，根據網上平臺技術資源和用戶興趣方向，以不同類型的專利法律狀態變化作為預測對象，利用二分類Logistics回歸模型分析得出若干關鍵影響指標；④交易趨勢結果分析，在細分IPC行業類別內，分析得到相應專利法律狀態可能出現的概率，最終將分析結果以圖像、清單、輔助說明等方式呈現，并形成綜合分析報告。

3 應用實例：廣知中心掛牌專利

3.1 應用對象選擇

為了說明、檢驗本文預測模型和流程的適用性，調查我國廣州知識產權交易中心(廣知中心)網上平臺掛牌專利數據。該中心成立于2015年4月，由廣東省產權交易集團、國家知識產權局專利審查協作廣東中心等單位發起設立，屬于財政部和國家知識產權局認定的知識產權運營機構，重點開展知識產權交易、知識產權金融等業務。廣知中心在其網上技術交易平臺(www.gzipx.com)公開掛牌專利，可供任何技術需求方進行遠距離查閱并就感興趣的技術開展交流，具備開放網絡(open networks)與連通性(connectivity)特點，符合典型網上技術市場的定義[18]。

圖2 網上技術交易趨勢預測流程模型

3.2 數據收集

按照以下步驟收集數據：①掛牌專利下載與數據清洗，選取廣知中心自2015年11月至2016年12月的掛牌專利，總數1萬余件，網上披露信息包括專利號、專利名稱、掛牌時間、掛牌價格。下載全部專利信息，剔除掛牌價格為“面議”的專利，以及信息不完整的專利，共獲得4 252件專利；②行業分類處理，以專利IPC分類號區分所有專利技術領域；③分析樣本選定，結合平臺技術資源情況，選取若干用戶查詢、在線展示行為活躍的技術領域并確定分析樣本。以廣知中心IPC分類號A61大類(醫學或獸醫學；衛生學)的掛牌專利為例，具體說明交易趨勢預測應用，掛牌專利基本數據見表3。

3.3 數據分析

3.3.1 預測類型確定

查詢樣本專利自專利掛牌日后2年時間內的專利法律狀態變化情況，發現包括3種情況，即A：因專利權轉讓而導致的權利運用狀態、B：因專利權人未繳年費導致的權利失效狀態、C：專利維持有效狀態，相關樣本分布見表4。因此，選擇從A、B兩種類型分析法律狀態變化的關鍵影響因素，建立相關預測模型。

表3 廣知中心網上專利掛牌數據統計結果

表4 廣知中心掛牌專利法律狀態變化類型

查詢并提取專利的同族專利數、前向引用數、權利要求數、IPC數、發明人數、后向引用數、維持時間、權利人類型、權利人與廣知中心的直線距離、專利掛牌價格等三級分析指標數據，并將以上變量作為回歸分析的自變量。表5是兩個因變量A和B的解釋，表6是自變量的解釋。

3.3.2 預測模型構建

對自變量使用獨立樣本t檢驗，考察在發生與不發生A或B法律狀態變化中的差異是否具有顯著性(見表7)。其中，專利發生轉讓狀態變化與否(因變量A)在前向引用次數、權利要求數、IPC數、發明人數、后向引用數、掛牌價格、權利人與交易所距離7個變量下存在顯著差異；專利發生失效狀態變化與否(因變量B)在前向引用次數、權利要求數、發明人數、后向引用數、維持時間、權利人與交易所距離6個變量下存在顯著差異。

表5 因變量選擇與解釋

表6 自變量選擇與解釋

由于同族專利數、權利人類型未通過獨立樣本t檢驗，故將該自變量剔除。在回歸分析之前，對剩余自變量進行相關性分析和多重共線性檢驗(見表8)。檢驗結果表明，自變量之間的相關系數均基本在0.35以下，一般認為只有相關系數大于0.75才可能存在多重共線性影響[19]，并且，方差膨脹因子VIF 取值范圍在1.05～1.76之間，均小于10的閾值[20]。綜上所述，以上自變量之間不存在多重共線性，滿足回歸分析的前提條件。

對于因變量A進行回歸分析，使用向前篩選策略逐步將自變量引入回歸方程直至再無具有統計學意義的自變量可被引入，最終進入回歸方程的自變量為6個：前向引用數、權利要求數、IPC數、后向引用數、掛牌價格、權利人與交易所距離，回歸結果見表9。其中，權利要求數、IPC數、后向引用數、掛牌價格的顯著性水平為1%，前向引用數為5%，權利人與交易所距離為10%。模型似然比卡方統計量為61.25，對應的P值為0.00，故整個方程所有系數的聯合顯著性很高。

表8 自變量相關性分析與多重共線性檢驗結果

表9 因變量A回歸結果

類似地，對因變量B進行回歸分析，最終進入回歸方程的自變量為5個：前向引用數、權利要求數、后向引用數、發明人數、維持時間，顯著性水平為5%，回歸結果見表10。模型似然比卡方統計量為47.02，對應的P值為0.00，整個方程所有系數的聯合顯著性也很高。

表10 因變量B回歸結果

根據回歸模型準R2(Pseudo R2)和正確預測百分比(percent correctly predicted)兩個指標可以衡量二分類Logistics模型的擬合優度[21]。回歸模型A準R2為50.83%，正確預測百分比為81.61%；回歸模型B準R2為41.95%，正確預測百分比為83.91%，故方程整體擬合度良好。

由回歸模型A的結果，最終得到專利i發生轉讓的概率預測模型為：

P(yi=1|x1,x2,x3,x4,x5,x6)=

由回歸模型B的結果，最終得到專利因i未繳年費而失效的概率預測模型為：

以此類推，可以建立交易平臺各技術領域下的專利法律狀態變化概率預測模型，結合平臺和用戶需求，可開展技術交易趨勢預測分析工作。

3.4 對策建議

通過對廣知中心掛牌專利的交易趨勢預測與模型應用分析，從建設具有活力的網上技術市場、提高平臺的技術交易服務能力角度提出以下建議：

(1)應發揮技術交易預測作用，建立針對不同專利法律狀態的分析模型。從廣知中心的應用研究看，專利在網上掛牌一定周期后，發生轉讓和權利人主動致其失效的預測模型具有明顯差異，預測指標及其權重不盡相同。研究結果表明，針對不同類型的專利法律狀態變化開展預測十分重要，平臺有必要根據轉讓、許可、失效、訴訟等多種專利法律狀態類型，分別對其變化趨勢進行建模分析，從而篩選具備交易潛力的專利技術，規避具有交易潛在風險的專利技術。

(2)應發揮技術交易預測作用，完善平臺技術分級管理制度。從廣知中心的網上交易專利數據看，如果某項專利與現有技術具有更多聯系(后向引用數)、涵蓋更多個技術領域(IPC數)、對技術理解更深入(權利要求數)，那么將更可能獲得網上技術需求者的青睞，獲得轉讓交易的概率更大，這也符合專利質量理論和邏輯推理結果。因此，研究結果反映出平臺運營方開展技術評估及其分級管理的必要性，有助于梳理平臺現有技術資源狀況，滿足用戶差異化查詢需求，并提供更具針對性的技術篩選策略。

(3)應發揮技術交易預測作用，管理交易雙方價值預期。從廣知中心的樣本看，專利轉讓與權利人的掛牌價格顯著負相關。此外，來自個人、高校、企業的專利權利人均有一定占比，但不同類型的權利人在掛牌價格、權利維持時間等策略上具有差異。因此，網上平臺技術交易服務應借助交易信息數據挖掘，指導交易雙方形成合理的價值預期，為不同類型的權利人制定不同的交易策略，以彌合網上交易價值分歧。

(4)應發揮技術交易預測作用，帶動網上技術市場環境建設。從本文模型應用研究看，專利轉讓代表的網上技術交易活躍度尚可，但相對專利質量仍不高，例如掛牌專利的同族數量少、高掛牌價格占比少等。當前，在我國實施專利質量提升工程的背景下，培養具有活力的網上交易平臺，避免成為低質量專利充斥的次品市場，可以充分利用技術交易預測功能，通過交易潛力判斷及相應管理措施，營造良好的專利運營環境，吸引更高質量的技術成果和潛在交易方。

4 結語

本文旨在從網上科技服務技術創新的角度，通過專利法律狀態變化預測模型評估技術交易概率，從而降低交易成本、緩解交易過程中的信息不對稱、提高網上技術市場運作效率。本文根據網上技術市場理論和專利情報分析理論，構建網上技術交易趨勢預測模型并設計相關流程，以廣知中心的網上掛牌專利數據為樣本，檢驗預測模型與流程方法的適用性和可操作性，結合模型應用中的問題，提出增強網上平臺發展技術交易服務能力的建議。

我國網上技術交易平臺性質、類型多樣，不同平臺在戰略定位、資源背景、技術來源等方面差異巨大。同時，專利特征對于不同行業專利評估的影響具有差異性。因此，國內一些代表性平臺已著手研發具有企業特點的技術信息分析方法。例如，浙江省知識產權交易中心開發的高校專利“Z-Ranking”質量評價系統，廈門科易網開發的科技資源入庫標準及其匹配技術等。本研究提出的技術交易趨勢預測模型，可針對不同類型網上平臺技術資源開展分析，確定差異化預測類型及其關鍵影響指標，建立基于技術領域分類的平臺分析體系，有助于我國網上平臺設計適合自身的技術信息管理策略，提高信息服務專業化能力。