下载文档原格式
《高校专利情况分析研究报告》读书随笔目录一、内容概括 (2)二、高校专利现状分析 (3)三、高校专利运用与转化 (4)1. 专利转化现状分析 (5)（1）专利转化的意义与现状 (7)（2）专利转化的瓶颈问题 (8)（3）成功案例分享 (10)2. 专利运用模式与机制创新 (11)（1）产学研合作模式 (12)（2）专利运营平台建设 (13)（3）激励机制与政策扶持 (14)3. 专利转化中的知识产权保护 (15)（1）知识产权保护的重要性 (16)（2）知识产权保护措施与方法 (18)（3）风险预警与应对策略 (19)四、高校专利工作存在的问题与对策建议 (20)1. 存在的问题分析 (21)（1）专利申请质量不高 (22)（2）专利转化率低 (24)（3）专利保护意识不强 (25)2. 对策建议与思考 (26)（1）加强专利质量建设，提高申请门槛 (27)（2）完善专利转化机制，促进产学研合作 (28)（3）加强知识产权教育，提高专利保护意识 (30)一、内容概括报告介绍了全球以及国内的高校专利现状，阐述了在当前知识经济时代，高校专利的重要性及其在全球创新体系中的角色。
报告详细地分析了高校专利的产生机制和发展趋势，这一点使我深刻地理解了高校专利从无到有，再到持续优化提升的全过程。
报告针对高校专利的申请、授权以及运营管理进行了全面的梳理和评价。
涵盖了专利的申请流程、审批过程中的注意事项，以及授权后的运营策略等。
尤其是报告中关于如何优化专利申请流程、提高授权效率的部分，给我留下了深刻的印象。
报告还对专利的商业化路径进行了分析，使我对高校专利的经济价值有了全新的认识。
报告对高校专利的质量、影响力以及成果转化等方面进行了深入探讨。
从报告的数据分析中，我看到了高校专利在不同领域的影响力差异以及这些专利在推动科技发展和社会进步中的实际作用。
特别是关于高校科技成果转化的问题，报告中提出的一些见解和建议令我深思。
浙江农林大学专利检索分析报告管道机器人学院：工程学院班级：农机121班*名：**学号：************专利检索分析报告1、中英文专利的技术特点1.1国内专利专利名称：一种高适应多功能管道机器人申请号：CN201510392260发明人：王冉; 王建华; 符致孟; 刘琦; 赵永胜;一种高适应多功能管道机器人设计属于机器人结构设计领域。
管道所处的环境往往是人们不易直接达到或不允许人们直接进入的，检修及清洗难度很大。
针对上述问题，我们利用曲柄滑块机构以及齿轮-球销机构实现了一种高适应多功能管道机器人。
曲柄滑块机构使得机器人的直径变化,齿轮-球销机构能调整机器人的速度,在机器人轮角度不同时，可以完成前进、后退以及停留的动作，同时机器人能转弯。
另外，机器人自身的机械爪和摄像头可以配合其他工具完成多种工作。
机器人功能多，工作效率高，无污染。
系统设计可靠、操作方便、便于维护、成本低，适合实际生产需要，有广阔的应用前景。
1.2国外专利专利名称：PIPE CLEANING ROBOT专利号：United States Patent Application 14/066026发明人：Young Won (Daegu-si, KR) Kim, Eui Yeon (Daegu-si, KR) Jang, Byong Taek目前在管道清洗过程中，清洗设备绝大部分是采用无动力缆绳拖拉行走方式来进行清洗，无法根据管道的内部情况进行清洗参数的动态调整，管径的适应能力较差。
为了解决这个问题，着眼于管道行走清洗机器人的研究开发，而在国内这方面研究尚少。
为了较好地解决管道的清洗难题，开发和研制管道清洗机器人势在必行。
本人设计管道清洗机器人是把行星磨头清洗技术与机器人技术结合起来，进行综合设计开发，因此它的深入研究也将推动管道清洗技术的发展。
随着管道机器人技术的发展，其应用越来越广泛。
目前，日、美、英、德、法等发达国家在管道机器人技术方面做了大量工作，尤其是日本，在管道机器人的研究及开发中取得了领先的地位。
专利管理系统的数据统计与分析方法指南引言：在当今科技快速发展的时代，专利管理对于企业的创新和发展至关重要。
随着专利数量的不断增加，如何高效地管理和分析专利数据成为了一个迫切需要解决的问题。
本文将介绍一些专利管理系统的数据统计与分析方法，帮助企业更好地利用专利资源，提升创新能力和竞争力。
一、数据收集与整理1. 专利申请数据的收集通过与专利局合作或购买专利数据库的方式，获取专利申请数据。
确保数据的准确性和全面性，包括专利号、申请人、发明人、申请日期等信息。
2. 数据整理与清洗对收集到的专利数据进行整理和清洗，去除重复和无效数据。
可以利用数据清洗工具或编写脚本进行自动化处理，提高效率和准确性。
二、数据统计方法1. 专利数量统计根据不同的时间段、领域或类型对专利数量进行统计。
可以绘制柱状图或折线图，直观地展示专利数量的变化趋势。
2. 专利申请人统计对专利申请人进行统计，了解主要申请人的数量和分布情况。
可以通过绘制饼图或地图来展示不同申请人的占比和地域分布。
3. 专利分类统计对专利进行分类统计，了解不同领域或技术类型的专利数量。
可以根据国际专利分类系统（IPC）或自定义的分类体系进行统计分析。
三、数据分析方法1. 技术发展趋势分析通过对专利数据的时间序列分析，了解不同技术领域的发展趋势。
可以利用数据挖掘和机器学习算法，发现技术演化的规律和趋势。
2. 竞争对手分析通过对专利申请人和发明人的关联分析，了解竞争对手的专利布局和技术优势。
可以利用网络分析和社会网络分析方法，揭示竞争对手之间的关系和影响力。
3. 专利价值评估通过对专利的引用分析和引证分析，评估专利的技术价值和商业价值。
可以利用专利引证网络和文本挖掘技术，发现潜在的技术转化机会和市场需求。
四、数据可视化工具1. 图表绘制工具利用常见的图表绘制工具，如Excel、Tableau等，将统计和分析结果以图表形式展示。
选择合适的图表类型和配色方案，提高信息传达的效果和吸引力。
浙江省高校院所科技成果转化情况分析半近年来，浙江省高校院所在科技创新方面取得了很大的成就，不仅在科研水平上居于国内领先地位，更是通过科技成果转化将科研成果转化为实际的生产力，为浙江经济社会发展做出了积极的贡献。
本文将重点分析浙江省高校院所科技成果转化的情况，探讨其存在的问题并提出相应的对策建议。
一、科技成果转化的现状浙江省高校院所在科技成果转化方面取得了显著的成绩。
浙江省高校院所在科研水平上具备雄厚的实力，拥有一大批国内外知名的科学家和专家，他们在各自的领域取得了很多的研究成果，不仅在理论研究上有很高的水平，更是在应用研究和技术创新方面取得了显著的成就。
浙江省高校院所在科技成果转化方面积极开展，注重将研究成果转化为实际生产力，为浙江的经济社会发展做出了积极的贡献。
浙江省高校院所在科技成果转化方面不断加大了对科技成果转化的支持力度，积极引导科研人员将科研成果转化为实际的产品和服务，为经济社会的发展创造了更多的财富和就业岗位。
二、存在的问题尽管浙江省高校院所在科技成果转化方面取得了显著的成果，但是仍然存在一些问题需要解决。
科技成果转化的体制机制不够完善，导致一些优秀的科研成果无法得到有效的转化，不能真正为经济社会发展服务。
科技成果转化的环境还不够完善，科研人员在转化科研成果时面临着较大的市场风险和技术风险，这导致一些科研人员对于科技成果转化产生了顾虑和犹豫。
科技成果转化的资金和政策支持力度还不够大，导致一些科研人员在转化科研成果时面临着资金短缺的问题，这限制了科技成果转化的速度和规模。
三、对策建议为了解决上述存在的问题，需要采取一系列的对策和措施。
要进一步完善科技成果转化的体制机制，增强科技成果转化的活力和创新性，推动科技成果更好地为经济社会发展服务。
要进一步完善科技成果转化的环境，创造更加良好的市场环境和政策环境，为科研人员提供更多的支持和保障。
要进一步加大对科技成果转化的资金和政策支持力度，提高科技成果转化的速度和规模，推动经济社会的发展。
专利数据挖掘与分析技术在当今信息爆炸的时代，大量的专利信息被申请并不断涌现，这些专利信息蕴含了许多宝贵的技术和商业机会。
然而，如何从海量的专利数据中准确地提取有用的信息，并进行有效的分析成为了一个重要的挑战。
为了解决这一问题，专利数据挖掘与分析技术应运而生。
专利数据挖掘与分析技术是利用计算机和数据挖掘算法来分析和挖掘专利数据中隐藏的规律、趋势和价值信息的技术。
通过获取、清洗、整理和处理专利数据，然后运用数据挖掘的方法，可以发现专利之间的相互联系和关联，提取出其中的重要特征和知识，为科研和商业活动提供有力的支持。
首先，专利数据挖掘与分析技术可以帮助创新型企业或研究机构进行专利竞争情报分析。
通过对专利数据进行挖掘和分析，可以了解到当前技术领域的发展趋势、主要竞争对手的技术布局等重要信息，从而指导企业或机构的研发战略和决策。
例如，可以发现某项技术的热门领域，了解到竞争对手的专利布局和技术优势，进而选择合适的技术方向和进行技术升级。
其次，专利数据挖掘与分析技术对于专利检索和判定也具有重要意义。
对于专利检索来说，传统的检索方式可能会受限于关键词的选择和匹配程度，而专利数据挖掘技术可以通过分析专利的文本和标签，利用自然语言处理和机器学习等方法，更加准确地找到相关的专利文献。
对于专利判定来说，专利数据挖掘与分析技术可以通过比对不同专利之间的相似性和差异性，判断某项技术是否已经被他人申请过，避免重复发明和侵犯他人专利的情况。
此外，专利数据挖掘与分析技术还可以为技术转移和合作提供支持。
通过对专利数据的分析，可以发现技术之间的潜在联系和合作机会，帮助企业寻找合适的技术转移伙伴或合作伙伴。
例如，可以通过挖掘专利文本中的技术特征和技术分类信息，找到与自身技术相近或互补的专利，为技术转移和合作提供参考依据。
最后，专利数据挖掘与分析技术也在知识产权保护和风险监测方面发挥着重要作用。
通过对专利数据的监测和分析，可以及时了解到自身专利的使用情况和侵权风险，及时采取相应的措施进行维权。
如何利用专利信息分析技术趋势随着科技的不断发展，技术趋势的分析对于企业和研究机构来说变得越来越重要。
而专利信息作为一种重要的技术信息资源，可以为我们提供有价值的技术趋势分析的数据。
本文将探讨如何利用专利信息分析技术趋势，并介绍一些相关的方法和工具。
一、专利信息的价值专利信息是一种反映技术创新的重要资源，其中包含了大量的技术细节和创新思路。
通过分析专利信息，我们可以了解到某一领域的技术发展动态，预测未来的技术趋势，评估技术的商业价值等。
因此，利用专利信息进行技术趋势分析具有重要的实用价值。
二、专利文献的获取与处理要进行专利信息的分析，首先需要获取相关的专利文献。
目前，有许多专门的专利数据库可以提供专利文献的检索和下载服务，如国家知识产权局的专利检索系统、专利数据库等。
在选择数据库时，应根据自己的需求和研究领域来确定。
一般来说，选择覆盖范围广、更新及时的数据库效果较好。
获取到专利文献后，还需要进行数据处理。
由于专利文献的内容较为复杂，包含了大量的技术术语和数据，因此需要进行数据清洗和筛选。
可以使用专门的文本挖掘工具或编程语言来进行处理，提取出关键信息，如专利号、发明人、申请日期、摘要等。
三、专利信息的分析方法1. 文本挖掘分析文本挖掘是一种利用自然语言处理和机器学习等技术，对文本数据进行结构化和分析的方法。
在专利信息分析中，可以通过文本挖掘技术来提取关键词、研究主题、技术关系等信息。
通过对大量专利文献的文本挖掘分析，可以发现技术的研究热点、技术关联性等。
2. 专利引用分析专利引用分析是一种通过分析专利之间的引用关系，来揭示技术发展的趋势和关联性的方法。
通过分析专利的引用关系，可以了解到某一技术的发展历程、前沿研究方向等。
同时，还可以通过分析被引用次数较多的专利，发现技术的核心和关键。
3. 专利地理分析专利地理分析是一种通过分析专利的申请地点和专利持有人的地理分布，来了解技术发展的地域分布和区域创新能力的方法。
浙江省嘉兴市区专利申请受理量和授权量3年数据专题报告2020版引言本报告借助数据对嘉兴市区专利申请受理量和授权量进行深度剖析，从专利申请受理总量，专利申请授权总量等方面进行阐述，以全面、客观的角度展示嘉兴市区专利申请受理量和授权量真实现状及发展脉络，为需求者制定战略、为投资者投资提供参考和借鉴。
嘉兴市区专利申请受理量和授权量专题报告的数据来源于权威部门如中国国家统计局等，数据以事实为基准，公正，客观、严谨。
嘉兴市区专利申请受理量和授权量数据专题报告知识产权为发布方即我公司天津旷维所有，其他方引用我方报告均需注明出处。
嘉兴市区专利申请受理量和授权量数据专题报告旨在全面梳理嘉兴市区专利申请受理量和授权量的真实现状、发展脉络及趋势，相信能够为从业者、投资者和研究者提供有意义的启发和借鉴。
目录第一节嘉兴市区专利申请受理量和授权量现状 (1)第二节嘉兴市区专利申请受理总量指标分析 (3)一、嘉兴市区专利申请受理总量现状统计 (3)二、全省专利申请受理总量现状统计 (3)三、嘉兴市区专利申请受理总量占全省专利申请受理总量比重统计 (3)四、嘉兴市区专利申请受理总量（2017-2019）统计分析 (4)五、嘉兴市区专利申请受理总量（2018-2019）变动分析 (4)六、全省专利申请受理总量（2017-2019）统计分析 (5)七、全省专利申请受理总量（2018-2019）变动分析 (5)八、嘉兴市区专利申请受理总量同全省专利申请受理总量（2018-2019）变动对比分析..6 第三节嘉兴市区专利申请授权总量指标分析 (7)一、嘉兴市区专利申请授权总量现状统计 (7)二、全省专利申请授权总量现状统计分析 (7)三、嘉兴市区专利申请授权总量占全省专利申请授权总量比重统计分析 (7)四、嘉兴市区专利申请授权总量（2017-2019）统计分析 (8)五、嘉兴市区专利申请授权总量（2018-2019）变动分析 (8)六、全省专利申请授权总量（2017-2019）统计分析 (9)七、全省专利申请授权总量（2018-2019）变动分析 (9)八、嘉兴市区专利申请授权总量同全省专利申请授权总量（2018-2019）变动对比分析.10图表目录表1：嘉兴市区专利申请受理量和授权量现状统计表 (1)表2：嘉兴市区专利申请受理总量现状统计表 (3)表3：全省专利申请受理总量现状统计表 (3)表4：嘉兴市区专利申请受理总量占全省专利申请受理总量比重统计表 (3)表5：嘉兴市区专利申请受理总量（2017-2019）统计表 (4)表6：嘉兴市区专利申请受理总量（2018-2019）变动统计表（比上年增长%） (4)表7：全省专利申请受理总量（2017-2019）统计表 (5)表8：全省专利申请受理总量（2018-2019）变动统计表（比上年增长%） (5)表9：嘉兴市区专利申请受理总量同全省专利申请受理总量（2018-2019）变动对比统计表.6 表10：嘉兴市区专利申请授权总量现状统计表 (7)表11：全省专利申请授权总量现状统计表 (7)表12：嘉兴市区专利申请授权总量占全省专利申请授权总量比重统计表 (7)表13：嘉兴市区专利申请授权总量（2017-2019）统计表 (8)表14：嘉兴市区专利申请授权总量（2018-2019）变动统计表（比上年增长%） (8)表15：全省专利申请授权总量（2017-2019）统计表 (9)表16：全省专利申请授权总量（2018-2019）变动统计表（比上年增长%） (9)表17：嘉兴市区专利申请授权总量同全省专利申请授权总量（2018-2019）变动对比统计表（比上年增长%）10表17：嘉兴市区专利申请授权总量同全省专利申请授权总量（2018-2019）变动对比统计表（比上年增长%） (10)第一节嘉兴市区专利申请受理量和授权量现状嘉兴市区专利申请受理量和授权量现状详细情况见下表（2019年）：表1：嘉兴市区专利申请受理量和授权量现状统计表注：本报告以国家各级统计部门数据为基准，并借助专业统计分析方法得出。
专利信息的可视化分析工具与技术随着科技的不断发展和创新的推动，专利信息的价值也越来越受到重视。
专利信息是企业研发和创新的重要资源，通过对专利信息的分析和挖掘，企业可以了解市场趋势、竞争对手的技术布局，从而指导自身的研发和创新战略。
而专利信息的可视化分析工具与技术的出现，为企业提供了更加直观、全面和高效的专利信息分析手段。
专利信息的可视化分析工具与技术可以将大量的专利数据以图表、图像等形式展示出来，使复杂的专利信息变得易于理解和分析。
这些工具和技术可以帮助企业快速浏览和筛选大量的专利信息，发现其中的关联和规律，提取有价值的技术信息。
例如，通过对专利信息的可视化分析，企业可以发现某一技术领域的热点和趋势，了解不同技术之间的关联和差异，从而为企业的研发和创新提供有力的支持。
专利信息的可视化分析工具与技术的应用范围广泛，不仅可以帮助企业进行竞争对手分析和技术布局分析，还可以用于市场调研和产品设计。
通过对专利信息的可视化分析，企业可以了解市场上已有的技术和产品，发现市场需求和机会，为自身的产品设计和创新提供灵感和参考。
此外，专利信息的可视化分析工具与技术还可以用于知识管理和技术交流。
企业可以通过构建专利信息的知识图谱，将不同技术之间的关联和联系呈现出来，方便企业内部的知识共享和交流。
专利信息的可视化分析工具与技术的发展离不开大数据和人工智能的支持。
大数据技术可以帮助企业快速处理和分析大量的专利数据，提取其中的有用信息。
而人工智能技术则可以通过机器学习和数据挖掘等方法，发现专利数据中的规律和趋势，提供更加精准和有效的分析结果。
例如，通过自然语言处理技术，可以将专利文本转化为结构化的数据，方便后续的分析和可视化展示。
然而，专利信息的可视化分析工具与技术也面临一些挑战和问题。
首先，专利数据的质量和准确性是影响分析结果的重要因素。
由于专利数据的来源和采集方式不同，存在着一定的噪声和误差。
因此，在进行专利信息的可视化分析时，需要对数据进行清洗和校验，确保分析结果的可靠性和准确性。
专利申请中的专利数据分析与技术趋势在当今全球技术创新的浪潮中，专利数据的分析和技术趋势的研究对于企业和研究机构来说具有重要意义。
通过分析专利数据，我们可以了解到不同领域的技术发展趋势，为创新和决策提供依据。
本文将探讨专利数据分析的方法和应用，并展望未来的技术趋势。
一、专利数据分析方法专利数据分析是通过对专利文献进行挖掘和解读，发现其中隐藏的信息和规律。
以下是几种常见的专利数据分析方法：1. 文献计量学：通过统计和图表分析，对专利文献进行量化研究，如专利数量、发明人数量、引用数量等，来揭示技术发展的趋势和动态。
2. 词频分析：将专利文献中的关键词进行提取和统计，根据关键词的出现频率和重要性，来分析该领域的关键技术和研究热点。
3. 主题建模：通过机器学习和自然语言处理技术，将大规模的专利文献进行主题分类和关联，从而挖掘出技术领域的研究方向和演化路径。
二、应用案例分析1. 技术趋势预测：通过分析专利数据，可以预测技术的发展趋势和未来研究方向，帮助企业和研究机构调整技术布局，抢占市场先机。
2. 竞争情报分析：通过对竞争对手的专利数据进行分析，可以了解其技术优势和创新方向，为企业制定竞争策略和研发计划提供参考。
3. 技术评估与合作：通过对专利数据的分析，可以评估技术的商业价值和可行性，为技术转移、合作交流和专利授权提供依据。
三、未来技术趋势展望1. 人工智能与大数据：随着人工智能和大数据技术的快速发展，专利数据分析将更加精准和高效，为各行各业的创新提供更好的技术支持。
2. 云计算与物联网：云计算和物联网的普及将使得专利数据的收集和共享更加方便，促进创新资源的全球化流动和合作。
3. 生物技术与医疗健康：生物技术和医疗健康领域的创新将给专利数据分析带来新的挑战和机遇，为健康产业的发展提供智力支持。
总结：专利数据分析在技术创新和决策中发挥着重要作用。
通过深入挖掘专利数据，我们可以了解技术发展的趋势和热点，为企业和研究机构提供科学依据。
浙江省高校专利数据分析
作者：陈汉君董莎
来源：《科学与信息化》2018年第23期
摘要本文从年份统计的角度出发，对浙江省高校专利数据进行分析。
首先就浙江省高校专利的基本情况进行分析，着重统计基础专利数据、学科排名和专利代理机构；然后分析浙江省部分地区高校专利，对杭州、嘉兴、宁波等城市的高校专利数据进行阐述；最后分析浙江省本科类院校和高职类院校的专利数据。
关键词浙江省；高校专利；数据分析
1 浙江省高校专利基本情况
1.1 基础统计
据数据统计可知，浙江省1985年～2017年间高校专利申请的总数达到178195件，其中2015年为上升的巅峰阶段，专利数据达到23595件。
浙江省高校专利数据整体呈现出上升趋势，在2015年达到顶峰后有所下滑，但是整体势头良好。
根据专利申请类型分析可知，浙江省高校申请数目最多的为发明专利，占整体数目的61%；根据专利申请状态可知，浙江省高校专利的有权专利、无权专利和在审专利分别达到总数据的40%、46%和14%；根据专利申请的技术领域分布可知，浙江省分析材料领域和化学物理性质测定领域占据的比例最大；根据专利申请的运营情况分析可知，浙江省转让专利、许可专利和质押专利数目分别达到4193件、2018件和49件，因此以转让运营为主。
1.2 学科排名
就一般排名来看，占据专利数量前10名的高校分别为浙江大学、浙江工业大学、浙江理工大学、中国计量大学、宁波大学、浙江海洋大学、杭州电子科技大学、嘉兴学院、宁波工程学院和温州大学，其专利申请数量分别为105188件、22017件、13718件、11313件、10380件、9527件、8213件、4957件、4750件和4700件，而发明专利、实用新型专利和外观设计专利这三种类型中，本科院校的专利数量普遍高于高职院校。
本科院校学科排名的前十分别为轻工业手工业、化学、电力工业、仪器仪表工业、材料科学、电信技术、机械工业、计算机软件及计算机应用、无机化学和有机工业；高职类院校学科排名的前十分别为轻工业手工业、金属学及金属工艺、机械工业、电力工业、建筑科学与工程、工业通用和技术及设备、有机化工、汽车工业、仪器仪表工业和无机化工，整体来看二者具有互补性特征。
1.3 代理机构
根据数据统计可知，浙江省高校专利代理机构的排名分别为杭州求是专利事务所有限公司、杭州天正专利事务所有限公司、杭州天勤知识产权代理有限公司、杭州浙科专利事务所、
杭州中成专利事务所有限公司、宁波奥盛专利代理事务所、杭州杭诚专利事务所有限公司、浙江杭州金通专利事务所有限公司和浙江思科瑞专利事务所有限公司，其代理专利的数目分别为27908件、14271件、10831件、10139件、6139件、5336件、4114件、3786件、3661件和3329件，其中杭州求是专利事务所有限公司代理和杭州天正专利事务所有限公司的专利类型主要为发明专利[1]。
2 浙江省主要地区高校专利数据分析
2.1 杭州
杭州市高校专利申请始于1985年，其申请类型主要有发明专利、实用新型专利和外观设计专利，其数量分别为90199件、32961件和17245件，占据总量的比例分别为64%、23%和12%；杭州市高校专利的法律状态分别为有权专利、无权专利和在审专利，其数量分别为52569件、68956件和18601件，占据总量的比例分别为38%、49%和13%；杭州市高校专利的技术构成以分析材料领域和化学物理性质测定领域为主，其次分别为电数字数据处理、微生物酶、医用牙科用或梳妆用的配置品等；杭州市高校专利的运营模式以转让为主，其数量达到2823件，而许可专利和质押专利分别为1922件和53件。
2.2 宁波
宁波市高校专利申请始于1987年，其申请类型主要有发明专利、实用新型专利和外观设计专利，其数量分别为12915件、4785件和1166件，占据总量的比例分别为69%、25%和6%；宁波市高校专利的法律状态分别为有权专利、无权专利和在审专利，其数量分别为9321件、6126件和3409件，占据总量的比例分别为49%、33%和18%；宁波市高校专利的技术构成以分析材料领域和化学物理性质测定领域为主，其次分别为电能装置领域、高分子化合物组合或分离领域、数字信息传输领域等；宁波市高校专利的运营模式以转让为主，其数量达到563件，而许可专利和质押专利分别为139件和9件[2]。
3 浙江省本科类院校及高职类院校专利数据分析
3.1 本科类院校
浙江省本科类院校专利排名前三的分别有浙江大学、浙江工业大学和浙江理工大学。
以浙江大学为例，其专利申请始于1985年，申请数量达到105188件，整体呈现出缓慢增长的态势，其中发明专利为74741件，占据专利总量71%；其有权专利、无权专利和在审专利分别为40494件、50133件和14437件，分别占比38%、48%和14%。
3.2 高职类院校
浙江省高职类院校专利排名前三的分别有浙江工业职业技术学院、嘉兴职业技术学院和浙江商业职业技术学院。
以浙江工业职业技术学院为例，其专利申请始于2001年，申请数量达
到4467件，整体呈现出缓慢增长的态势，于2013年有所下滑。
其中实用新型专利为3128件，占据专利总量70%。
其有权专利、无权专利和在审专利分别为2104件、1842件和472件，分别占比47%、42%和11%。
4 结束语
为进一步促进浙江省高校科研水平提升，针对浙江省高校专利数据的探究是非常必要的。
当前浙江省高校专利数据整体呈现出稳步上升的趋势，杭州市高校专利申请数量明显高于其他地区，本科类院校的专利申请数量普遍高于高职类院校，其中本科类院校以发明专利为主，高职类院校以实用新型专利为主。
参考文献
[1] 项春媛，王瑞敏.论公共治理视野下的专利转化策略——基于浙江省高校数据分析[J].浙江社会科学，2015，（11）：140-144，160-161.
[2] 徐旋.我国不同区域创新体系中高校作用模式研究[D].杭州：浙江大学，2012.。
