基于大数据的知识产权评估系统和方法与制作流程
- 格式:pdf
- 大小:88.13 KB
- 文档页数:8
专利信息的大数据分析方法与实践近年来,随着大数据技术的快速发展,各行各业都在积极探索如何利用大数据来提升效率和创新能力。
在知识产权领域,专利信息的大数据分析成为了一种热门的研究方向。
本文将介绍专利信息的大数据分析方法与实践,探讨其在创新研究和商业决策中的应用。
一、专利信息的大数据分析方法专利信息的大数据分析方法主要包括数据清洗、特征提取、数据挖掘和可视化分析等步骤。
首先,对原始专利数据进行清洗,去除重复数据、错误数据和无效数据,确保数据的准确性和完整性。
然后,通过文本挖掘和自然语言处理技术,提取专利文本中的关键词、主题和情感等特征信息。
接下来,利用机器学习和数据挖掘算法,对专利数据进行分类、聚类和预测等分析,挖掘出潜在的关联和规律。
最后,通过可视化工具将分析结果以图表、网络图和热力图等形式展示出来,帮助用户更直观地理解和利用专利信息。
二、专利信息的大数据分析实践专利信息的大数据分析在创新研究和商业决策中具有重要的应用价值。
首先,在创新研究方面,大数据分析可以帮助研究人员发现技术趋势和研究热点,辅助他们选择研究方向和制定创新策略。
例如,通过对专利数据的分析,可以了解某个领域的技术发展现状和未来趋势,为研究人员提供宝贵的参考和启发。
此外,大数据分析还可以帮助研究人员发现技术交叉和创新机会,促进不同领域之间的合作与交流。
其次,在商业决策方面,大数据分析可以帮助企业了解市场竞争态势和行业发展趋势,指导企业的战略规划和产品研发。
通过对专利数据的分析,企业可以了解竞争对手的技术布局和创新能力,及时调整自己的发展策略。
此外,大数据分析还可以帮助企业发现新的商业机会和市场需求,提升产品的竞争力和市场占有率。
三、专利信息的大数据分析挑战与展望尽管专利信息的大数据分析在创新研究和商业决策中具有广阔的应用前景,但也面临着一些挑战。
首先,专利数据的质量和规模对分析结果的准确性和可靠性有着重要影响。
由于专利数据的来源和格式各异,数据清洗和整合成为了一个复杂而耗时的过程。
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201610377885.6(22)申请日 2016.05.31(71)申请人 携程计算机技术(上海)有限公司地址 200335 上海市长宁区福泉路99号携程网络技术大楼(72)发明人 张露瑶 陈榕 李腾龙 (74)专利代理机构 上海弼兴律师事务所 31283代理人 薛琦 王聪(51)Int.Cl.G06F 9/30(2006.01)G06F 17/30(2006.01)(54)发明名称基于大数据平台和算法模型的计算方法及系统(57)摘要本发明公开了一种基于大数据平台和算法模型的计算方法及系统,其中所述计算方法包括:将数据保存在大数据平台的Hive数据仓库;将算法模型的脚本文件放到服务器上,所述算法模型的脚本文件用R语言编写;在服务器上启动Rserve并开启远程访问;连接Hive数据仓库和Rserve,将Hive数据仓库中保存的数据在Rserve上运行,并将计算结果导入到Hive数据仓库中。
本发明弥补了现有技术中大数据平台处理后的数据不能直接用于算法模型计算的不足,利用java语言建立Hive数据仓库和Rserve之间的通信渠道,将数据的处理与算法模型相结合,使得数据的处理和模型计算能自由衔接,提高数据处理的速度。
权利要求书2页 说明书6页 附图2页CN 106095391 A 2016.11.09C N 106095391A1.一种基于大数据平台和算法模型的计算方法,其特征在于,所述计算方法包括:S1、将数据保存在大数据平台的Hive数据仓库;S2、将算法模型的脚本文件放到服务器上,所述算法模型的脚本文件用R语言编写;S3、在服务器上启动Rserve并开启远程访问;S4、连接Hive数据仓库和Rserve,将Hive数据仓库中保存的数据在Rserve上运行,并将计算结果导入到Hive数据仓库中。
基于大数据的知识产权保护研究第一章:引言1.1 研究背景知识产权是当今社会中的重要资源,它包括专利、商标、版权等形式。
随着互联网和数字化技术的快速发展,知识产权的保护变得尤为重要。
然而,传统的知识产权保护方式已经不能满足当前数字化时代的需求,因此,基于大数据的知识产权保护成为了研究的热点。
1.2 研究目的和意义本研究旨在探讨基于大数据的知识产权保护方法和技术,以提高知识产权保护的效率和准确性。
通过研究,可以为知识产权保护提供新的思路和方法,为知识产权的创造、传播和保护提供支持,促进创新和经济发展。
第二章:大数据在知识产权保护中的应用2.1 大数据在知识产权保护中的作用大数据技术可以帮助知识产权保护部门更好地理解知识产权的现状和趋势,通过对海量的数据进行分析和挖掘,提供对知识产权侵权行为的预测和预警,为保护知识产权提供科学依据。
2.2 大数据分析在专利保护中的应用专利是一种重要的知识产权形式,大数据分析可以帮助识别和分析大量的专利信息,揭示专利之间的关联和趋势,从而提供更精准的专利保护策略。
2.3 大数据分析在商标保护中的应用商标是企业在市场上的重要资产,大数据分析可以帮助商标权利人监测市场上的商标侵权行为,提供商标保护的决策支持。
第三章:大数据技术在知识产权保护中的关键技术和方法3.1 数据采集和清洗技术大数据的分析离不开数据的采集和清洗,本章将介绍常用的数据采集和清洗技术,包括网络爬虫、数据清洗和数据标注等。
3.2 数据挖掘和机器学习技术数据挖掘和机器学习是大数据分析的核心技术,本章将介绍常用的数据挖掘和机器学习算法及其在知识产权保护中的应用。
3.3 可视化技术可视化技术可以将大数据的分析结果以图形、表格等形式展示出来,帮助用户更直观地理解和分析数据,本章将介绍常用的可视化技术及其在知识产权保护中的应用。
第四章:大数据在知识产权保护中的挑战与对策4.1 数据安全与隐私保护大数据的应用离不开数据的共享和交换,但同时也面临着数据安全和隐私保护的挑战,本章将介绍常见的数据安全与隐私保护问题,并提出相应的对策。
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201610592300.2(22)申请日 2016.07.25(71)申请人 微梦创科网络科技(中国)有限公司地址 100080 北京市海淀区彩和坊路6号7-10层(72)发明人 丁玲 (74)专利代理机构 北京和信华成知识产权代理事务所(普通合伙) 11390代理人 胡剑辉(51)Int.Cl.G06F 11/36(2006.01)(54)发明名称一种基于大数据的自动化测试方法及系统(57)摘要本发明实施例提供一种基于大数据的自动化测试方法及系统,所述方法包括:根据大数据的待测试业务逻辑特征,生成测试数据集;根据所述测试数据集进行计算,得到期望结果;将所述测试数据集采用多个测试用例类表示,所述多个测试用例类全部继承自一个基类;对所述多个测试用例类进行计算,得到输出结果;将所述期望结果和所述输出结果进行比对,获取比对结果:若所述期望结果和所述输出结果相同,则测试成功,否则测试失败。
上述技术方案具有如下有益效果:解决了通用的大数据处理系统的测试问题,可自动化完成,可提高测试效率,节省成本;可移植,可复用,可应用于大数据自动化测试中。
权利要求书2页 说明书7页 附图1页CN 106227666 A 2016.12.14C N 106227666A1.一种基于大数据的自动化测试方法,其特征在于,所述方法包括:根据大数据的待测试业务逻辑特征,生成测试数据集;根据所述测试数据集进行计算,得到期望结果;将所述测试数据集采用多个测试用例类表示,所述多个测试用例类全部继承自一个基类;对所述多个测试用例类进行计算,得到输出结果;将所述期望结果和所述输出结果进行比对,获取比对结果:若所述期望结果和所述输出结果相同,则测试成功,否则测试失败。
2.如权利要求1所述基于大数据的自动化测试方法,其特征在于,所述基类包括若干类变量和若干类函数,所述类变量包括:用例名称NAME,模拟的输入数据MOCKED_SOURCE_ DATA,期望结果参数EXPECTED_RESULT。
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201911320016.X(22)申请日 2019.12.19(71)申请人 国网安徽省电力有限公司信息通信分公司地址 230000 安徽省合肥市包河区黄山路9号(72)发明人 徐敏 薛晓茹 洪德华 刘翠玲 (74)专利代理机构 合肥律众知识产权代理有限公司 34147代理人 王雷(51)Int.Cl.G06Q 10/10(2012.01)G06F 16/2458(2019.01)G06F 16/25(2019.01)(54)发明名称一种基于大数据的可视化数据资产管理系统(57)摘要本发明涉及数据资产管理,具体涉及一种基于大数据的可视化数据资产管理系统,包括服务器,服务器与用于采集数据资源信息的数据资源采集单元相连,数据资源采集单元包括用于获取数据库数据资源信息的数据库采集模型开发模块,以及用于获取数据接口数据资源信息的数据接口采集模型开发模块;本发明提供的技术方案能够有效克服现有技术所存在的不能对数据资源信息进行分类管理、数据无法与业务映射对应、数据管理可视化程度较低的缺陷。
权利要求书2页 说明书5页 附图1页CN 111080261 A 2020.04.28C N 111080261A1.一种基于大数据的可视化数据资产管理系统,其特征在于:包括服务器,所述服务器与用于采集数据资源信息的数据资源采集单元相连,所述数据资源采集单元包括用于获取数据库数据资源信息的数据库采集模型开发模块,以及用于获取数据接口数据资源信息的数据接口采集模型开发模块;所述服务器与用于对所述数据资源采集单元采集数据资源信息进行分类统计的数据资源管理单元相连,所述数据资源管理单元包括用于对数据资源信息进行分类的数据资源分类模块,用于对所述数据资源分类模块分类的数据资源信息进行统计的数据资源信息统计模块,以及用于对数据资源信息处理全过程进行链路跟踪的数据全链路跟踪模块;所述服务器与用于对所述数据资源采集单元采集数据资源信息进行可视化管理的数据资产可视化单元相连,所述数据资产可视化单元包括用于同步数据资源信息映射关系的数据映射关系同步模块,以及用于展示数据资源信息映射关系的数据映射关系展示模块。
基于机器学习的专利大数据分析与项目评估随着科技的发展和创新的不断涌现,专利成为了保护知识产权的重要法律手段。
然而,专利市场竞争激烈,如何找到有价值的专利并加以利用成为了许多企业和投资者面临的重要挑战。
机器学习技术应用于专利大数据分析和项目评估,可以帮助人们解决这些问题,提高专利市场利用效率和成功率。
一、机器学习技术与专利数据分析机器学习是一种基于统计学和算法的数据处理技术,旨在通过自动“学习”数据集的规律和趋势,来生成模型和预测结果。
对于专利数据分析,机器学习可以帮助人们从海量的专利文献中精准提取信息,从而加速专利检索和评估的过程。
1. 基于机器学习的专利检索传统的专利检索依靠关键词或泛泛而谈的分类代码进行筛选,难以精准反映专利创新点和价值。
基于机器学习的专利检索,则可以利用自然语言处理和图像识别技术,进行深度学习和特征提取,以更加贴近人类思维的方式进行专利检索。
例如,人们可以引入图像识别技术,通过对专利图示进行分析和识别,更好地描述专利创新点和技术特征。
2. 基于机器学习的专利价值评估专利的价值评估是专利市场的关键环节,通过判断专利的技术价值和商业价值,来决定专利的购买和销售。
传统的专利价值评估方法往往依赖于人工评估和专家判断,难以处理大规模和复杂的专利数据。
而机器学习则可以通过构建专利价值模型和预测算法,实现对专利价值的智能评估。
例如,人们可以通过机器学习的NLP技术和分类算法,对专利文献进行关键词提取和分类分析,得到准确的专利分析报告和评估结果。
二、机器学习技术与专利项目评估除了专利自身的价值评估外,专利项目的成功与否也取决于市场和竞争环境的不断变化。
在这种情况下,机器学习技术也可以对专利项目的商业前景和市场趋势进行分析和预测。
1. 基于机器学习的竞争分析竞争分析是成功计划的关键环节,通过对市场和竞争情况进行深入分析,来找到商业机会和优化方案。
在专利项目中,机器学习可以通过网络爬虫技术和数据挖掘技术,对竞争对手的专利、投资和更新情况进行大量数据收集和统计分析,以推导出竞争格局和市场趋势。
基于大数据分析的区域创新能力评估方法随着数字化时代的到来,数据成为了促进社会发展的一个重要因素。
尤其是在创新方面,大数据分析已经成为了一种非常有效的方法,可以深入了解各个领域的情况,为决策者提供科学的依据。
而在经济发展领域中,区域创新能力评估也逐渐成为了一个重要的话题。
本文将从大数据分析的角度,探讨如何进行区域创新能力评估。
一、基于大数据的区域创新能力评估方法的概述大数据分析在区域创新能力评估中的应用可以分为以下几个步骤:1、数据采集:获取与区域创新能力评估相关的数据,可以从各种公开渠道获得,包括政府部门、企业数据和社交媒体等。
2、数据清洗:由于数据来源的多样化,数据的质量和格式也大不相同,为了使数据更具分析性和可用性,需要对数据进行清洗和加工。
3、数据挖掘:对清洗后的数据进行分析和挖掘,建立起区域创新能力评估的指标体系。
4、模型构建:根据数据挖掘结果,构建创新能力评估模型,包括非监督学习模型、监督学习模型、聚类分析模型等。
5、结果展示:将模型分析结果呈现出来,客观反映区域的创新能力。
二、区域创新能力评估的指标体系构建区域创新能力评估的指标体系是基础,也是其中最为关键的一环。
基于大数据的区域创新能力评估指标应当包含以下几个方面:1、人才结构:人才结构是区域创新能力的重要组成部分之一,包括人才数量、人才流动性、人才结构、人才引进等。
2、科技研发:科技创新是促进区域创新能力发展的重要推动力,包括科技研发投入、知识产权授权数量、专利申请、科技成果转化等。
3、金融支持:金融服务可以有效地促进区域经济发展和企业创新能力提升,包括银行信贷支持、风险投资支持、政府财政资金支持等。
4、创新环境:创新环境又可分为硬环境和软环境,硬环境包括基础设施与产业布局,软环境包括政策环境与社会环境等。
5、创新能力:创新能力是区域创新能力的核心要素之一,体现在企业技术水平、科研实力、创业精神等方面。
以上五个方面是区域创新能力评估的核心指标,当然也可以根据实际情况增加或减少一些指标。
专利名称:一种基于大数据的造价数据收集方法及其系统专利类型:发明专利
发明人:赖家富,刘世刚,安辉,王志康
申请号:CN202010296412.X
申请日:20200415
公开号:CN111476426A
公开日:
20200731
专利内容由知识产权出版社提供
摘要:本发明涉及一种基于大数据的造价数据收集方法及其系统,包括以下步骤:S1、获取该项目所需材料类型、材料用量和用料地址;S2、查找各个材料类型所对应的供应商信息;S3、根据供应商地址和用料地址生成运输路线,计算运输路线的路程;S4、检测所运输车辆中材料重量是否超过该运输车辆的核定值,若所述材料重量低于所述核定值时,则根据所述材料类型对应的运输路线,在步骤S2中筛选出与运输路线直线距离在第一预设距离的其它材料类型的供应商地址,再由原来的供应商地址、其它材料类型的供应商地址和用料地址重新生成运输路线进行运输;若所述材料重量达到所述核定值时,则按照步骤S3的运输路线进行运输。
可提高造价成本的计算效率。
申请人:中道明华建设工程项目咨询有限责任公司
地址:610041 四川省成都市武侯区洗面桥街35号1栋809室
国籍:CN
更多信息请下载全文后查看。
本技术公开了基于大数据的知识产权评估系统,包括:数据库,连接云服务中心;数据比对模块,连接所述数据库,用于采集数据并进行处理,从而获取基础数据;评估计算模块,连接所述数据比对模块,用于基于所述基础数据确定各项评估因子,并计算评估结果;数据呈现模块,连接所述评估计算模块,用于呈现所述评估结果。
本技术的有益效果是,通过对数据进行预处理,并通过模型进行计算和分析,实现对产品的无形价值进行自动分析计算并以多种形式呈现分析计算结果。
权利要求书
1.基于大数据的知识产权评估系统,其特征在于,包括:
数据库,连接云服务中心;
数据比对模块,连接所述数据库,用于采集数据并进行处理,从而获取基础数据;
评估计算模块,连接所述数据比对模块,用于基于所述基础数据确定各项评估因子,并计算评估结果;
数据呈现模块,连接所述评估计算模块,用于呈现所述评估结果。
2.根据权利要求1所述的基于大数据的知识产权评估系统,其特征在于:所述数据比对模块包括数据采集模块和连接所述数据采集模块的数据清洗模块,所述数据采集模块用于采集初始数据,所述数据清洗模块用于对初始数据进行脏数据清洗进而获取基础数据。
3.根据权利要求1所述的基于大数据的知识产权评估系统,其特征在于:所述评估计算模块包括数据建模模块和连接所述数据建模模块的计算模块,所述数据建模模块用于通过模型来确定各项评估因子,所述计算模块用于计算所述评估结果。
4.根据权利要求1所述的基于大数据的知识产权评估系统,其特征在于:所述数据呈现模块包括数据分析模块和连接所述数据分析模块的可视化模块,所述数据分析模块用于针对所述评估结果进行分析,所述可视化模块用于通过图表或图像的形式呈现所述分析的结果。
5.基于大数据的知识产权评估方法,其特征在于,包括以下步骤:
步骤1)基于云服务中心,获取基础数据;
步骤2)基于基础数据确定各项评估因子;
步骤3)再综合各项评估因子计算出评估结果;
步骤4)将评估结果进行可视化并呈现。
6.根据权利要求5所述的基于大数据的知识产权评估方法,其特征在于,所述步骤1)具体包括:a.获取海量初始数据;b.清洗所述初始数据,获取所述基础数据。
7.根据权利要求5所述的基于大数据的知识产权评估方法,其特征在于,步骤2)具体包括:a.确定各项评估因子包括,技术产品未来各年收益额Ft、技术分成率α、折现率i、委估专有技术的经济寿命年限n、序列年值t。
8.根据权利要求7所述的基于大数据的知识产权评估方法,其特征在于,所述步骤3)具体
为:计算评估结果,所述评估结果包括委估无形资产价值V,计算公式如下,
9.根据权利要求7所述的基于大数据的知识产权评估方法,其特征在于:所述技术分成率α值的确定包括以下步骤,
a.基于海量数据评估技术法律状况与保护状况值A、技术应用范围值B、技术不可替代性值C、技术先进性值D、技术创新性值E、技术成熟度值F、技术产品市场竞争状况值G、技术获利能力值H、技术实施条件值I,进而计算技术分值r=A+B+C+D+E+F+G+H+I,其中A、B、C、D、E、F、G、H和I取值范围为0~10;
b.计算技术分成率α,公式为α=m+r%×(n-m),其中,m为专利分成率下限,n为专利分成率上限。
技术说明书
基于大数据的知识产权评估系统和方法
技术领域
本技术涉及知识产权数据技术领域,特别是涉及基于大数据的知识产权评估系统和方法。
背景技术
随着经济发展和产业升级,知识产权越来越重要,产品的知识产权价值评估是市场交易过程中很重要的一环。
目前的知识产权评估方法比较初级,基本是由专业人员进行尽调,再进行
估算,此过程效率低,且数据量非常有限,估算结果不精确。
在知识产权评估过程中,对产品的技术价值评估是非常重要的一个环节,而产品的技术价值取决于多方面因素,比如技术的替代性、技术成熟度等,这些需要经过对现有的海量数据进行挖掘、处理和分析才能得到较为精确的评估成果。
以上问题非常有必要开发相应的技术去解决。
技术内容
针对上述技术问题,本技术提供的基于大数据的知识产权评估系统和方法,通过对数据进行预处理,并通过模型进行计算和分析,实现对产品的无形价值进行自动分析计算并以多种形式呈现分析计算结果。
基于大数据的知识产权评估系统,包括:
数据库,连接云服务中心;
数据比对模块,连接所述数据库,用于采集数据并进行处理,从而获取基础数据;
评估计算模块,连接所述数据比对模块,用于基于所述基础数据确定各项评估因子,并计算评估结果;
数据呈现模块,连接所述评估计算模块,用于呈现所述评估结果。
进一步的:所述数据比对模块包括数据采集模块和连接所述数据采集模块的数据清洗模块,所述数据采集模块用于采集初始数据,所述数据清洗模块用于对初始数据进行脏数据清洗进而获取基础数据。
进一步的:所述评估计算模块包括数据建模模块和连接所述数据建模模块的计算模块,所述数据建模模块用于通过模型来确定各项评估因子,所述计算模块用于计算所述评估结果。
进一步的:所述数据呈现模块包括数据分析模块和连接所述数据分析模块的可视化模块,所述数据分析模块用于针对所述评估结果进行分析,所述可视化模块用于通过图表或图像的形
式呈现所述分析结果。
基于大数据的知识产权评估方法,包括以下步骤:
步骤1)基于云服务中心,获取基础数据;
步骤2)基于基础数据确定各项评估因子;
步骤3)再综合各项评估因子计算出评估结果;
步骤4)将评估结果进行可视化并呈现。
进一步的,所述步骤1)具体包括:a.获取海量初始数据;b.清洗所述初始数据,获取所述基础数据。
进一步的,步骤2)具体包括:a.确定各项评估因子包括,技术产品未来各年收益额Ft、技术分成率α、折现率i、委估专有技术的经济寿命年限n、序列年值t。
进一步的,所述步骤3)具体为:计算评估结果,所述评估结果包括委估无形资产价值V,计算公式如下,
进一步的,所述技术分成率α值的确定包括以下步骤,
a.基于海量数据评估技术法律状况与保护状况值A、技术应用范围值B、技术不可替代性值C、技术先进性值D、技术创新性值E、技术成熟度值F、技术产品市场竞争状况值G、技术获利能力值H、技术实施条件值I,进而计算技术分值r=A+B+C+D+E+F+G+H+I,其中A、B、C、D、E、F、G、H和I取值范围为0~10;
b.计算技术分成率α,公式为α=m+r%×(n-m),其中,m为专利分成率下限,n为专利分成率
上限。
与现有技术相比,本技术的有益效果是:通过对数据进行预处理,并通过模型进行计算和分析,实现对产品的无形价值进行自动分析计算并以多种形式呈现分析计算结果。
附图说明
图1为本技术实施例提供的基于大数据的知识产权评估系统示意图。
图中编号:1、数据库,2、数据比对模块,21、数据采集模块,22、数据清洗模块,3、评估计算模块,31、数据建模模块,32、计算模块,4、数据呈现模块,41、数据分析模
块,42、可视化模块。
具体实施方式
下面将结合本技术实施例中的附图,对本技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本技术一部分实施例,而不是全部的实施例。
基于本技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本技术保护的范围。
如图1所示,基于大数据的知识产权评估系统,包括:
数据库1,连接云服务中心;
数据比对模块2,连接数据库1,用于采集数据并进行处理,从而获取基础数据;优选的实施例中,数据比对模块2包括数据采集模块21和连接数据采集模块21的数据清洗模块22,数据采集模块21用于采集初始数据,数据清洗模块用于对初始数据进行脏数据清洗进而获取基础数据。
评估计算模块3,连接数据比对模块2,用于基于基础数据确定各项评估因子,并计算评估结果;优选的实施例中,评估计算模块3包括数据建模模块31和连接数据建模模块31的计算模
块32,数据建模模块31用于通过模型来确定各项评估因子,计算模块32用于计算评估结果。
数据呈现模块4,连接评估计算模块3,用于呈现评估结果。
优选的实施例中,数据呈现模块4包括数据分析模块41和连接数据分析模块41的可视化模块42,数据分析模块41用于针对评估结果进行分析,可视化模块42用于通过图表或图像的形式呈现分析结果。
基于大数据的知识产权评估方法,包括以下步骤:
步骤1)基于云服务中心,获取基础数据;进一步的方案中,步骤1)具体包括:a.获取海量初始数据;b.清洗所述初始数据,获取所述基础数据;
步骤2)基于基础数据确定各项评估因子;进一步的方案中,步骤2)具体包括:a.确定各项评估因子包括,技术产品未来各年收益额Ft、技术分成率α、折现率i、委估专有技术的经济寿命年限n、序列年值t;
步骤3)再综合各项评估因子计算出评估结果;进一步的方案中,所述评估结果包括委估无形资产价值V,计算公式如下,
进一步的方案中,所述技术分成率α值的确定包括以下步骤,
a.基于海量数据评估技术法律状况与保护状况值A、技术应用范围值B、技术不可替代性值C、技术先进性值D、技术创新性值E、技术成熟度值F、技术产品市场竞争状况值G、技术获利能力值H、技术实施条件值I,进而计算技术分值r=A+B+C+D+E+F+G+H+I,其中A、B、C、D、E、F、G、H和I取值范围为0~10;
b.计算技术分成率α,公式为α=m+r%×(n-m),其中,m为专利分成率下限,n为专利分成率上限。
步骤4)将评估结果进行可视化并呈现。
尽管已经示出和描述了本技术的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本技术的范围由所附权利要求及其等同物限定。