地方高校专利可转化性评估研究*——基于文献计量与BPNN模型对11所高校的分析

唐健廷 卢志平, 2

(1.广西科技大学经济与管理学院 柳州 545006；
2.广西工业高质量发展研究中心 柳州 545006)

“十四五”规划和2035年远景目标纲要中要求，2025年每万人口拥有高价值发明专利12件；
而截至2020年底，该数据仅为6.3件[1]。因此，作为专利申请的主力军，高校中的发明人在政策和课题的驱动下会加大对专利的申请力度。对于所拥有的专利，高校可以通过专利运营的方式将专利技术转化为现实生产力[2]。然而目前高校中大部分专利仍是处于闲置状态，这些专利不仅未能体现出商业价值，还会给高校带来一定的费用负担。因此，对高校专利的可转化性进行评估可以给高校的专利管理部门提供决策参考，盘活专利资产。一方面可以对转化价值低的专利及时放弃，节约专利管理成本；
另一方面可以促进专利在市场上的流通，使高校研发的专利在企业产品上得到应用。

不同学者对专利转化的定义有所差异。骆敏巧认为专利转化包括了专利权的转让和许可，转让的情况下，专利权属发生了转移；
而专利许可的情况，则没有发生专利权属的转移[3]。廖忠安将专利转化定义为：专利权人将专利权自己进行实施或转让、许可给第三方进行实施，并通过开发获得专利产品，最终在市场上获得产业化的过程[4]。由于在高校—高校、高校—个人的转化模式中，作为受让人(被许可人)缺乏足够的经济实力和投资欲望，短期内难以将专利成果转化到市场上[5]。因此，本文所讨论的专利转化是高校作为专利权人，将专利权转让或许可给外部企业的行为。

具有可转化价值的专利通常是兼具技术质量和市场价值的专利，并且专利质量是实现专利市场价值的前提，两者关系通过专利转化得到体现[6-7]。冉从敬等通过研究表明，高校中的专利是否容易得到转化很大程度取决于专利的内在价值，专利的技术维度、法律维度和经济维度这三个主要维度都会对专利可转化性产生影响[8]。专利的转让或许可次数也可以作为衡量专利质量的一个标签，表现为专利质量越高，专利得到转让或许可的机会也会越多[9]。针对某项专利进行评估，可以参考文献[10-11]的专利评估体系，但是涉及到需要对大量专利进行评估的情况，这种评价体系的操作性则不强，因此有不少学者将机器学习模型运用到专利评估领域，以解决需要对大量专利同时进行价值统计和评估的问题。其中包括了对专利的评估指标体系规模进行约减，在降低指标体系冗余的同时，提高了评估的准确性[12]；
以及对各类机器学习算法的评估模型进行比较，验证了神经网络模型在专利评估中具有较好的实验效果[13-14]。由于神经网络模型本身存在着收敛速度慢、算法不完备的局限性，因此有学者对模型进行算法优化，以提高专利评估分析的准确性[15-16]。并且利用机器学习的方法进行评估，不会涉及到评估人员的主观分析，让结果更具客观性。

综上所述，由于专利质量和专利的可转化性是存在关联的[6-9]。因此，本文在构建专利可转化性评估指标体系时，参考业内共识的专利质量评价指标，并通过相关文献去论述其在专利可转化性评价中的适用性。同时考虑到地方高校的专利转化特征以及需要对大量专利进行分析的情况，利用文献计量的方法，得到已转化专利所具有差异特征的指标。并选择BPNN作为评估模型，对11所地方高校的授权发明专利进行分析，最后依据评估结果提出相关建议，为提高高校的专利质量和促进专利转化提供参考。具体流程如图1所示，第一步为数据的获取，第二步为模型的构建，第三步为评估分析与结论。

图1 高校专利可转化性评估流程

2.1 专利可转化性评估指标初选

本文通过相关文献梳理[17-30]和咨询专家意见，并根据以下原则去初步构建一种适用于发明专利可转化性评估的指标体系：全面性原则，所选择的指标能够从多个不同的维度去全面、客观地体现出专利的可转化性；
可操作性原则，所选择的指标可以进行量化，并且指标的数据来源可靠，获取信度高；
导向性原则，重点围绕高校专利转化的特点进行指标的选择。所选择的指标如表1所示。

表1 专利可转化性评估指标体系

2.1.1技术维度

a.被企业专利引用次数。企业在追踪一个领域的技术发展时，往往会对该领域的专利进行重点关注。一项专利被企业中专利引用的次数，一方面可以说明高校向企业知识溢出的影响，另一方面可以反映该专利被企业关注的程度。当引用次数越多，该项专利技术从高校向企业转移的概率越大[17]。

b.引用次数。

专利的引用体现出了技术之间的连续性和累积性。一方面，专利的引用次数是专利质量评价中认可度最高的指标，特别是作为技术质量的指标，对专利的转化具有促进作用[18]；
另一方面，引用在先专利的数量越多，改进甚至替代的旧技术也越多，发生转化的可能性也就越大[19]。

c.IPC分类数量。一项专利所获得的IPC分类号越多，证明了该专利的技术分类所属范围越大，被企业所应用到产品上的范围也越宽广。因此在技术链环节间的匹配需求下，专利发生转让或许可的机会就越多[19]。

d.引用文献数量。引用文献数是发明专利所引用的科学文献数量，理论研究的成果通常在科技文献中发表，而技术成果是通过专利来体现，专利引用文献数量可以体现出该项专利与理论研究成果的关联性。Handong Z等对高校专利的可转让性分析，认为引用科技文献数量这一指标可以预测高校专利的可转让性[20]。

e.技术功效TRIZ参数。技术功效词对应的TRIZ技术参数，是指在专利原文中描述的技术功能或技术效果的短语，所对应工程参数的数量。该指标可以反映出专利技术在标准化的情况下能够解决或改善实际问题的数量。

2.1.2法律维度

a.独权字数。独权字数是权利要求当中独立权利要求的字数，体现了在法律框架下对于专利权利的保护范围。由于独立权利要求对技术所限定的保护范围是最广的，因此随着独立权利要求字数的增多，对于权利的描述越详细，技术限定也越多，保护范围就会变得越窄。同时，Dang和Motohashi通过对中国企业的专利进行分析，也得出了该项指标对专利的价值呈负向影响的结论[21]。

b.审查时长。通过审查员对发明专利的实质审查时间来衡量该专利的技术复杂程度。一项发明专利进行实质审查的时间越久，可以认为该项专利的技术越复杂，能体现的技术质量越高[22]。另外，李建霖等通过描述性统计发现，高校中已转化专利的审查时长均值明显高于未转化专利[23]。

c.文献页数。文献页数是指专利的说明书、权利要求和说明附图的总页数，文献页数越多，说明了对技术细节描述越详细，技术的复杂程度也越高。由于专利的文献页数对于专利的技术质量具有显著的正向效应，因此该指标对专利的转化也具有正向的促进作用[24]。

d.权利要求数。权利要求数是技术在申请专利时所要求保护权利的数量。是对专利新颖性和稳定性判断的重要依据，一方面，Zhang等通过对中国的专利进行实证研究，提出利用专利新颖性来表征可转化程度[25];另一方面，专利权利的稳定性也是专利接收者考虑的首要因素之一[26]。

e.独立权利要求数。独立权利要求数是专利的权利要求书中最重要的、且无需依附其他权利要求的权项。特别是对于多个构思形成的发明专利，多个独立权利要求可以实现不进行分案处理情况下，对不同构思进行保护。在组态视角下分析，独立权利要求构成了专利转化的核心条件之一[27]。

2.1.3市场维度

a.诉讼次数。本文中的诉讼次数是指专利权人就该项专利受到竞争对手侵权时所提起诉讼的次数。该项指标表现出专利技术在市场上的受关注程度以及在产品中的应用情况，是专利潜在价值的一种体现，而潜在价值高的专利技术，转化的潜力也越大[28]。

b.同族规模。同族规模数量是指专利在不同国家或地区申请专利的数量，目的是为了使该项专利在全球多个国家和地区得到保护，体现出了该专利的国际市场竞争力，是专利转化的积极因素。对已转化专利的文献特征计量分析也表明，专利能否转化与同族成员数量显著正相关[19]。

c.专利维持时间。专利维持时间是指从一项专利的申请日起，至评估基准日的时间跨度。专利维持时间的长短，能从侧面反映专利质量及专利权人重视程度，对于专利是否可以转化能起到较为重要的作用[18]。

2.1.4主体维度

a.发明人数量。专利发明人数量是指一项专利中对创造发明做出贡献的总人数，可以作为衡量专利技术复杂程度的指标。但有研究表明，发明人数过多会产生权益分歧，发明人之间的参与度和协作度会降低[29]。李睿等通过对专利特征的计量分析，发现在得到成功转化的高校专利中，发明人数量的均值为4左右[19]。因此发明人数量对专利的转化呈倒U型影响。

b.合作企业数量。合作企业数量是指高校作为该专利第一申请人时，企业作为共同申请人的数量。非合作或高校、研究院之间的合作，对专利转让及专利许可的影响较小。而高校-企业之间的合作，一方面有助于信息交流与资源互补，产出更高质量、更符合市场需求的专利，从而使校企合作专利更具转化可能性[30]。

2.1.5转化维度

转化维度采用转让/许可次数进行评价。转让/许可次数是指一项专利的权利转让或者许可给第三方进行实施的次数，可以作为衡量专利转化的特征指标[3-5]。

2.2 文献计量与BPNN模型

本文采用文献计量方法中的Mann-Whitney U检验与BPNN模型进行结合，对专利可转化性进行评估。其中Mann-Whitney U检验主要用于检验两组样本是否来自同一总体，等价于判断两组样本是否存在差异。由于专利可转化性评估涉及的指标较多，因此采用Mann-Whitney U检验方法，对地方高校中已经成功转化的专利与未成功转化专利之间的文献计量特征差异进行研究，根据Z统计量的概率来判断地方高校专利的可转化性与其各项指标文献计量特征的相关程度。同时对初选指标体系中不显著的指标进行约减，降低指标体系的冗余程度。

BPNN模型是一种将输出值Zp与期望值的误差Eq前向反馈，同时基于误差梯度下降法不断调整神经元之间的连接权值为μi+γΔμi，以及将偏置参数进行修正的数学模型，目前在多个学科领域得到广泛的应用。如式(1)、式(2)所示，其中，γ为控制算法的更新速度，Δμi为负梯度方向。

(1)

(2)

由于专利在评估过程中所涉及的指标较多，并且存在着与专利可转化性相关程度较低的特征指标。为了避免BPNN模型在训练学习的过程中出现过度拟合，需要对特征指标进行约减，降低模型的复杂程度以及提高评估结果的准确性[31]。本文先通过Mann-Whitney U检验的方法，将初选指标体系中不显著的指标进行约减，再将约减后的特征指标输入到BPNN模型中，进而防止冗余的指标对BPNN模型训练的干扰，其结构如图2所示。

图2 评估模型结构

2.3 评估结果分析方法

2.3.1模型性能评价

本文采用准确率(accuracy)、精确率(precision)、召回率(recall)和F1值共4个指标对分类结果进行评价，验证评估模型的性能。其中，准确率是分类正确的样本个数M和样本总数N的比率，精确率是预测正确的正例数Mp和实际正例数Nc的比率，召回率是预测正确的正例数Mp和预测为正例的数Nc的比率，由于在实际的分类中，需要平衡精度和召回率，通常使用两者的调和平均数F1作为一个综合评价指标，计算公式如下：

(3)

(4)

(5)

(6)

2.3.2专利转化价值分级

对专利可转化性进行评估，并获取每件专利的转化价值等级，转化价值等级越高说明该项专利未来能实现转化的概率越高。仿照标准10分评估方法，设置10级阈值，其中R1—R3为转化价值较低，R4—R7为转化价值一般，R8—R10为极具有转化价值。等级划分如表2所示。

表2 专利转化价值分级表

2.3.3专利平均转化价值计算

为了能够更好地对各所高校的专利可转化情况进行分析，需要将11所高校的专利平均转化价值分别进行计算和排序。其中Pi为某所高校中每个价值等级的专利分别占该校专利总数的比率，v为该所高校的专利平均转化价值：

(7)

3.1 数据来源及处理

根据申请人构建检索式，并利用incoPat专利数据库选取并下载了广西地区中的广西大学、桂林理工大学、广西医科大学等综合类、理工类、医药类、师范类和民族类共11所高校在2013—2020年的授权发明专利指标数据，其检索流程如图3所示。

图3 专利样本检索流程

剔除高校—高校、高校—个人转化模式下的专利样本，保留高校—企业转化模式下的样本。共得到“法律状态→失效”的样本616条，这些专利是因为主动放弃缴纳年费而失效，证明专利权人判断该专利未来收益要低于所缴纳的年费成本，因此不具备转化价值；
“有效AND(转让OR许可)”样本756条，这些专利是已经成功转让或许可到外面的企业；
以及“有效AND(未转让OR未许可)”样本5 096条，作为待评估的专利。

3.2 转化组与非转化组差异分析

为了得到与地方高校专利可转化性相关的特征指标，将成功转化的756项专利归为转化组，已失效和未转化的5 712项专利归为非转化组。利用SPSS21.0软件对两组的15项特征指标进行差异分析，Mann-Whitney U差异性检验结果如表3—表5所示，指标描述性统计对比如表6所示。

表3 转化组与非转化组Mann-Whitney U差异性检验结果1

表4 转化组与非转化组Mann-Whitney U差异性检验结果2

表5 转化组与非转化组Mann-Whitney U差异性检验结果3

表6 转化组与非转化组指标描述性统计对比

由Mann-Whitney U检验结果可知，转化组与非转化组的专利在C1被企业专利引用次数、C3IPC分类数量上具有差异，在C2引用次数、C6独权字数、C8文献页数、C9权利要求数、C10独立权利要求数、C13专利维持时间、C14发明人数量、C15合作企业数量上具有显著差异。而剩下的指标则不具备差异。

对具有差异和显著差异的特征指标进行描述统计量分析，发现转化组与非转化组的指标C6独权字数的均值为529.23和578.32，C14发明人数量的均值为4.09和5.66。在这两组指标的均值上非转化组均高于转化组。原因在于专利中独立权利要求描述越详尽，专利的保护范围会变得越狭窄，此时专利所能体现出的价值度就越低[21]，以及专利发明人数对于专利可转化性呈倒U型的影响[19]。而其它具有差异和显著差异的指标在均值上，转化组都高于非转化组，证明这些特征指标对于专利可转化性呈正向影响。可以认为这10个特征指标与这11所高校的发明专利可转化性相关。因此，将转化组与非转化组中不具备差异的指标从初选的指标体系中约减，结果如表7所示。

表7 约减后指标对照表

3.3 专利可转化性评估模型构建

通过Matlab2016a构建BPNN模型。其中“有效AND(转让OR许可)”和“法律状态→失效”中的80%专利作为训练集样本，输入到BPNN模型进行训练；
剩余的20%专利样本为测试集，包括123件“法律状态→失效”的专利和151件“有效AND(转让OR许可)”的专利，对模型的性能进行测试评价。为了比较约减前后的输入指标对模型性能的影响，将表1中初步构建的指标与表6中约减后的指标数据输入模型进行测试，并通过准确率、精确率、召回率和F1值去验证评估模型的性能，结果如表8所示。

表8 模型测试结果

由表8可知，指标约减后，评估模型测试结果的准确率、精确率和F1值均大于0.75，而召回率最高，达到了0.765。相比于指标约减前的模型测试结果更优，证明了该模型的有效性和稳健性较好。因此，通过Mann-Whitney U检验和BPNN模型对专利可转化性进行评估具有可行性。同时，获取特征重要性并进行归一化处理，从高到低进行排序，从特征重要性的高低去说明特征指标的重要程度，如表9所示。

表9 特征重要性排序

3.4 专利可转化性评估结果分析

在验证评估模型有效性的基础上，将预测集“有效AND(未转让OR未许可)”中5 096项专利的指标数据输入模型，对11所高校的授权发明专利进行可转化性评估，预测得到每件专利的转化价值等级。结果如图4所示，图中的每一点的预测值表示一件专利所预测得到的转化价值等级。并对每个预测等级中的专利数量进行分级统计形成表10。

图4 专利转化价值等级预测

表10 专利转化价值分级统计表

其中，转化价值等级越高，表示该项专利能够实现转让或许可的概率越大；
转化价值等级越低，表示专利权人主动放弃该专利权的概率越大。分析表10可以发现，处于R8→R10级的专利数量比重为2.98%，共包含152件专利；
处于R4→R7的专利数量比重74.96%，共包含3 820件专利，处于R1→R3级的专利比重为22.06%，共包含1 124件专利。反映出极具转化价值的专利较少，大部分专利的转化价值一般，并且超过20%的专利转化价值较低，存在专利权人主动放弃专利权的可能。

在表10中专利的转化价值分级统计基础上，将每一件专利的转化价值由低到高进行排序，并添加趋势线，其中横坐标表示专利样本的统计项数，纵坐标表示转化价值，得到如图5所示的11所高校专利转化价值分布趋势。

图5 11所高校专利转化价值分布趋势

从图5可以看出，11所高校发明专利的转化价值呈二次多项式分布，其中拟合方程为y = 8E-09x2+ 5E-05x + 0.2114，R2= 0.9514，方程具有一定的拟合度。同时也与文献[32]得到的专利价值呈二次多项式分布的结论一致，进一步证明了该评估模型的有效性。

根据图5和表10的分析可以得到广西11所高校中只有少部分发明专利具有转化价值，而大部分发明专利转化价值不高的结论。产生这种状况的原因，一方面由于多数专利是高校科研人员在课题或项目驱动下去申请的，其目的是为了完成课题或项目，并非是为了在市场上实现转化，因此所申请的专利在技术竞争力、经济关联性、权利稳定性等方面都有所欠缺；
另一方面是出于对核心专利的保护的目的而去申请大量的外围专利，并与核心专利共同形成专利组合。外围专利虽然质量不高，但在实施转化的过程中，同一专利组合的专利往往是一起进行转让或许可的。因此外围专利的申请是对专利组合的质量起到正向积极的作用，是构建专利壁垒的一种策略手段。

为了对各所高校的专利可转化情况进行比较分析，计算11所高校发明专利的平均转化价值，并将结果进行排序，以体现不同类型的院校之间专利竞争力的差异情况，具体如表11所示。

表11 11所高校发明专利平均转化价值对比

从表11可以看出，这11所高校中专利平均转化价值排名前列的主要是理工类院校。由于该类高校的科研硬实力或资源投入往往高于其他类别院校，因此理工类院校相对于其他类别院校通常具有更高的专利竞争力。对于医药类院校而言，所要求的科研条件通常不亚于理工类院校[33]，并且医药类专利的产出周期也更长。因此该类院校往往需要投入更多的软、硬件资源，才能产出高质量的专利成果。而在师范类院校中，科技机构和科研项目的数量不如理工类院校，因此所产出的专利成果价值也通常不及理工类院校。

专利平均转化价值排名前三的高校都具有较强的科研实力。其中高校1和高校3入选了2020年国家知识产权试点高校，高校2入选了首批高校国家知识产权信息服务中心名单。主要得益于这几所高校紧紧围绕着广西工业化、城镇化建设需要，积极发挥自身的学科优势，推进产学研的合作。

3.5 各地区高校专利可转化性分析

为了进一步对不同地区中各类型院校的专利可转化价值进行有效评价与分析，选取了东北地区的吉林省、东部地区的浙江省、中部地区的湖北省各11所代表性院校的专利进行分析，并将结果与广西高校比较。其中吉林省选取了吉林大学、东北师范大学、东北电力大学等高校；
浙江省选取了浙江大学、浙江师范大学、宁波大学等高校；
湖北省选取了武汉大学、华中科技大学、华中师范大学等高校。通过模型分析，得到结果如表12所示。

表12 各地区高校发明专利平均转化价值对比

从表12中的结果可以看出，浙江省和湖北省代表性高校的专利平均转化价值明显高于广西和吉林省的代表性高校，并且浙江省的高校最为突出。这主要存在两个方面的原因，一方面是在发达的地区，高校所拥有的资金实力与创新能力普遍较高，在科研方面相较于其他地区高校具有更多的资源投入；
另一方面是该地区具有较为良好的知识产权环境，可以通过完善的知识产权保护制度引导发明人的创新意愿，以及成熟的知识产权服务去正向促进高质量专利的产出，进而影响专利的转化价值[33]。相比之下，广西和吉林省的代表性高校比较缺乏同等的资源条件与知识产权环境。同时，对于这几个省份中部分理工科背景深厚、综合实力强的高校，企业也会更倾向于进行深度的技术合作，因此具有更高的专利竞争力[34]。

本文运用了Mann-Whitney U差异性检验与BPNN模型对广西地区11所各类型院校的专利可转化性进行评估研究，并将计算得到的专利平均转化价值与其他区域高校进行比较，得到如下结论和相关建议：

第一，从结论层面分析，高校专利的可转化价值具有以下特点：其一，不同类型院校之间的专利平均转化价值存在着一定差距。特别是理工科背景深厚、综合实力强的高校，在科研实力、资源投入和企业合作深度方面往往高于其他类型院校，所产出的专利更具转化价值。其二，不同区域高校的专利平均转化价值存在差异，相较于广西和吉林地区，浙江和湖北地区代表性高校的专利平均转化价值更高，并且浙江地区高校更为突出。主要得益于地区高校拥有的经济实力与所处地区成熟的知识产权环境。

第二，从理论意义层面分析，采用Mann-Whitney U检验方法，通过Z统计量的概率来判断地方高校专利的可转化性与其各项指标的相关程度，可以对高校中已经成功转化的专利与未成功转化专利的特征指标进行差异性分析。同时从两个方面进行考虑：a.在该地区的高校中，转化专利与未转化专利的特征指标，哪些是存在差异的。b.若特征指标存在差异，各自呈现怎样的特点，对专利可转化性的影响是怎样的。在此基础上去结合BPNN模型，对不同地区高校，以及同一地区中不同类型高校的专利可转化性进行评估。在实际应用方面，该方法可以很好地解决在专利可转化性评估当中，区域差别性所带来的专利可转化价值不确定因素多的问题。

第三，结合本文研究，提升广西地区高校专利的可转化价值可以从以下几个方面进行考虑：a.凝练团队规模，加强外部合作。通过加强高校和企业的合作，可以促进校企之间的资源协同。同时以市场需求为导向，校企合作研发的专利可以更快得到转化，有利于企业抓住专利产品的生命周期进行开发，去支撑产品进行市场突破。b.提高专利撰写质量。已转化专利的引用专利次数、独立权利要求字数和权利要求数都与未转化专利存在显著性差异。因此在撰写专利文本时，应重视对于在先专利的引用，突出所申请专利与在先专利之间存在的技术关联性；
同时还可以在独立权利要求中尽量减少对于技术特征的描述，扩大专利技术的保护范围；
增加权利要求数量，在扩充专利新颖性的同时，保证了专利权的稳定性。c.重视跨学科、跨领域探索。不同类型院校之间跨领域合作，可以实现优势互补。例如，理工类院校可以和医药类院校进行专利的合作研发，形成新工科和新医科的融合发展[35]。这样不仅同时提高了理工类院校和医药类院校的专利竞争力水平，还可以充分利用理工类院校的仪器设备资源和医药类院校的专业知识，从而形成多学科、跨学科和跨领域的协同合作。