发明内容
本发明的主要目的在于提供一种趋势专利预测系统及其方法，以便针
对已获准专利进行时效评估，作为最佳维护(积极运用或消极放弃)的参考
依据，并可给用户提供个性化的产业分析资料。
本发明提出一种趋势专利预测系统，至少包含：一专利数据库，用以
储存专利资料，并设定一专利库参数；一产业分析数据库，用以储存产业
分析资料，并设定一产业分析参数；一决策者设定参数模块，提供选择性
的设定预测项目(Forecast Item)输出；以及一交叉分析模块，借由专利库
参数与产业分析参数的输入，采用一类神经网络(Neural Network)学习及
预测模型进行演算，并依据所设定的预测项目(Forecast Item)输出相对应
的报告。
本发明所述的趋势专利预测系统，其中该专利库参数还包含一专利分
类向量、一分类数量向量及一申请日期向量。
本发明所述的趋势专利预测系统，其中该专利分类向量分别以母分类
及子分类为坐标轴，定义所属专利的分类范畴。
本发明所述的趋势专利预测系统，其中该分类数量向量分别以分类及
数量为坐标轴，定义所属专利数量的参考依据。
本发明所述的趋势专利预测系统，其中该申请日期向量分别以分类及
日期为坐标轴，定义所属专利相关日期的参考依据。
本发明所述的趋势专利预测系统，其中该产业分析参数还包含一产品
趋势向量、一技术更替向量及一竞争厂商向量。
本发明所述的趋势专利预测系统，其中该预测项目(Forecast Item)可
以从竞争厂商列表、专利领域趋势分析、现有专利维护建议、现有专利推
广重点、产品附加价值建议、下一代产品趋势与引进相关技术建议的群组
中任选其中一种。
本发明所述的趋势专利预测系统，其中还包含一动态调整参数模块，
可以通过该动态调整参数模块，用以调整随时变动的产业状态，借由设定
不同加权值(Weight)，决定不同参数，以进行不同的逻辑分析。
本发明也提出一种趋势专利预测方法，至少包含下列步骤：撷取一专
利库参数与一产业分析参数；设定预测项目(Forecast Item)输出；针对专
利库参数与产业分析参数进行交叉分析；最后依据预测项目(Forecast Item)
输出相对应的报告。
本发明所述的趋势专利预测方法，其中该专利库参数还包含一专利分
类向量、一分类数量向量及一申请日期向量。
本发明所述的趋势专利预测方法，其中该产业分析参数还包含一产品
趋势向量、一技术更替向量及一竞争厂商向量。
本发明所述的趋势专利预测方法，其中该产品趋势向量分别以母分类
及子分类为坐标轴，定义所属产品趋势的分类范畴。
本发明所述的趋势专利预测方法，其中该技术更替向量分别以公知技
术及新技术为坐标轴，定义所属产品技术更替的参考依据。
本发明所述的趋势专利预测方法，其中该竞争厂商向量，分别以厂商
竞争力及分类为坐标轴，定义所属竞争厂商的参考依据。
本发明所述的趋势专利预测方法，其中该预测项目(Forecast Item)可
以从竞争厂商列表、专利领域趋势分析、现有专利维护建议、现有专利推
广重点、产品附加价值建议、下一代产品趋势与引进相关技术建议的群组
中任选其中一种。
本发明所述的趋势专利预测方法，其中还提供进行调整学习参数的步
骤，用以调整随时变动的产业状态，借由设定不同加权值(Weight)，决定
不同参数，以进行不同的逻辑分析。
本发明所述的趋势专利预测方法，其中该交叉分析是采用一类神经网
络(Neural Network)学习及预测模型进行演算。
下面结合实施例及其附图，对本发明的技术内容作进一步详细说明。
具体实施方式
本发明公开了一种趋势专利预测系统，图1为本发明所述的趋势专利
预测系统的结构图，该系统至少包含：一专利数据库10、一产业分析数
据库20、一决策者设定参数模块30及一交叉分析模块40。
专利数据库10包含外部专利局资料与内部企业专利资料，并设定一
专利库参数，分别用以提供本系统进行预测的参考依据。
产业分析数据库20包含特定技术类别、关键词(技术范畴)、竞争厂
商......等，并设定一产业分析参数，用以提供本系统进行预测的参考依
据。
决策者设定参数模块30是针对决策者提供简单的设定功能，用以决
定预测项目(Forecast Item)输出，并获取企业所关注及最可行的建议报
告，例如竞争厂商列表、专利领域趋势分析、现有专利维护建议、现有专
利推广重点、产品附加价值建议、下一代产品趋势、引进相关技术建议等
等。
交叉分析模块40是采用类神经网络(Neural Network)学习及预测模型
进行演算，本发明以一监督式学习的倒传递类神经网络(Back-Propagation
Network；BPN)结构为最佳实施例说明本系统的可行性。
图2为本发明所述的交叉分析模块结构图，包含输入层、隐藏层及输
出层三个层级部分，其中，输入层包含一专利库参数单元401、一产业分
析参数单元402及一调整学习参数单元403，分别表示输入变量；隐藏层
包含第一隐藏层404及第二隐藏层405，分别表示输入处理单元间的交互
影响；输出层包含一专利预测单元406、一产品预测单元407及一专利维
护单元408，分别表示输出变量。
上述调整学习参数单元403借由一动态调整参数模块50，用以调整
随时变动的产业状态，借由设定不同加权值(Weight)，决定不同参数，以
进行不同的逻辑分析，符合该监督式学习功能的精神，该加权值范围设定
在0～1之间。
图3为本发明所述的参数向量示意图，其中上面所述的专利库参数包
含一专利分类向量、一分类数量向量及一申请日期向量；产业分析参数包
含一产品趋势向量、一技术更替向量及一竞争厂商向量。以下分别就各向
量定义作一说明：
(1)专利分类向量，其分别以母分类及子分类为坐标轴，定义所属专
利的分类范畴；
(2)分类数量向量，其分别以分类及数量为坐标轴，定义所属专利数
量的参考依据；
(3)申请日期向量，其分别以分类及日期为坐标轴，定义所属专利相
关日期的参考依据；
(4)产品趋势向量，其分别以母分类及子分类为坐标轴，定义所属产
品趋势的分类范畴；
(5)技术更替向量，其分别以公知技术及新技术为坐标轴，定义所属
产品技术更替的参考依据；以及
(6)竞争厂商向量，其分别以厂商竞争力及分类为坐标轴，定义所属
竞争厂商的参考依据。
图4为本发明所述的趋势专利预测方法的流程图，首先撷取一专利库
参数(步骤100)与一产业分析参数(步骤200)；接着再判断是否进行调整学
习参数(步骤300)；如果需要调整学习参数，则进行设定学习参数(步骤
400)，否则以先前所设定的学习参数为输入依据；接着本系统还提供决策
者设定预测项目(Forecast Item)输出(步骤500)，此功能可依据决策者针对
特定需求进行设定；此时，针对专利库参数与产业分析参数进行交叉分析
(步骤600)；最后输出趋势专利预测报告(步骤700)，如(1)竞争厂商列表、
(2)专利领域趋势分析、(3)现有专利维护建议、(4)现有专利推广重点、(5)
产品附加价值建议、(6)下一代产品趋势、(7)引进相关技术建议等等，借
以提供决策者作为企业营运管理的参考依据。
综上所述，现以一具体实施例来说明本发明的趋势专利预测的可行
性：
当决策者欲预测“PDA显示面板”的相关预测参考数据时，依据本
系统所定义的专利库参数与产业分析参数，自动归纳出专利分类向量
[0.7，0.4]、分类数量向量[0.5，0.2]、申请日期向量[0.2，0.8]、产品趋势
向量[0.4，0.3]、技术更替向量[0.3，0.4]、竞争厂商向量[0.8，0.2](请参考
图3所示)，由于此部分为系统先前所定义好之参数，因此，决策者不必
费心去加以设定，只须键入关键词即可运用本发明的功能；再者，由于产
业状态随时变动，借由设定不同加权值(Weight)，决定不同参数，以进行
不同的逻辑分析，并符合监督式学习功能的精神，决策者只须依据当时整
体产业的认知状况，付予对等的加权值(0.7)即可进行本系统智能化的预测
运算；本系统还提供决策者简易地设定欲得知的预测报告选项，例如选择
项目(1)、项目(2)及项目(5)，分别表示欲得知竞争厂商列表、专利领域趋
势分析及产品附加价值建议等报告，待选定及键入参数后，即呈现以下报
告及建议：
竞争厂商列表：Palm Computing，Inc.、Samsung Electronics Co.，Ltd.、
IBM Corporation；
专利领域趋势分析：RS232、5.8″LCD Displays、背光源CCFT灯管；
以及
产品附加价值建议：触控式屏幕。
本发明所借以采用的模型演算是以监督式学习的倒传递类神经网络
(Back-Propagation Network；BPN)结构为主，也可随其它合适的模型演算
加以更替使用，在此针对模型算法不再加以赘述。
本发明具有以下效果：
1、运用交叉分析模块，提供个性化的产业分析数据；
2、选择性地设定交叉分析模块演算，以调整随时变动的产业状态，
借由不同设定，决定不同参数，以进行不同的逻辑分析；
3、针对决策者提供简单的设定参数，以获取该企业最可行的建议报
告；以及
4、针对已获准专利进行时效评估，以作为最佳维护(积极运用或消极
放弃)的参考依据。
虽然本发明以上述的较佳实施例公开如上，但其并非用以限定本发
明，任何熟悉此技术的人员，在不脱离本发明的精神和范围内，当可作适
当的更动与润饰，因此本发明的保护范围当以权利要求所确定的范围为
准。