欒春娟 左川 張流源

摘要：探索提前失效專利對(duì)專利價(jià)值的影響，對(duì)推進(jìn)我國(guó)專利質(zhì)量工程建設(shè)和知識(shí)產(chǎn)權(quán)強(qiáng)國(guó)戰(zhàn)略實(shí)施，具有重要的理論意義和現(xiàn)實(shí)意義。提前失效專利是指在專利有效保護(hù)期限內(nèi)，應(yīng)該有效但由于種種原因而提前終止效力的專利。基于IncoPat科技創(chuàng)新平臺(tái)檢索的、2002—2018年間中國(guó)全部發(fā)明授權(quán)專利數(shù)據(jù)3 066 400個(gè)檢索結(jié)果，借助該平臺(tái)人工智能技術(shù)植入價(jià)值度計(jì)算的應(yīng)用模塊，從四種主要專利申請(qǐng)人類型——產(chǎn)業(yè)、大學(xué)、科研院所和個(gè)人視角，分析了各類型申請(qǐng)人全部專利、有效專利、提前失效專利價(jià)值變化趨勢(shì)。研究結(jié)果揭示了提前失效專利價(jià)值遠(yuǎn)遠(yuǎn)低于有效專利價(jià)值；失效率越高，價(jià)值度就越低；大學(xué)專利失效率最高等。下一步擬進(jìn)一步探索專利提前失效的原因及應(yīng)采取的防范措施，以全面提高專利價(jià)值和專利質(zhì)量。

關(guān)鍵詞：專利價(jià)值；提前失效專利；有效專利；產(chǎn)學(xué)研；個(gè)人專利；失效率

中圖分類號(hào)：G306；N18文獻(xiàn)標(biāo)識(shí)碼： ADOI：10.3969/j.issn.1003-8256.2020.01.004

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（71774020/71473028）

1研究意義與國(guó)內(nèi)外研究現(xiàn)狀

探索提前失效專利對(duì)專利價(jià)值的影響，對(duì)推進(jìn)我國(guó)專利質(zhì)量工程建設(shè)和知識(shí)產(chǎn)權(quán)強(qiáng)國(guó)戰(zhàn)略實(shí)施，具有重要的理論意義和現(xiàn)實(shí)意義。本研究中的“提前失效專利”，是指在專利有效保護(hù)期限內(nèi)，應(yīng)該有效但由于種種原因而提前終止效力的專利。其中的原因大致包括以下幾種：專利權(quán)人未按期繳納年費(fèi)致使專利權(quán)失效；被國(guó)家知識(shí)產(chǎn)權(quán)局宣告無(wú)效等[1]，本文簡(jiǎn)稱失效專利，但其不同于保護(hù)期屆滿而自動(dòng)失去效力的失效專利概念。

提前失效專利相關(guān)研究最近幾年受到學(xué)者們的關(guān)注。張嫻等[1]探討了有效專利失效速率測(cè)度方法。其在總結(jié)有效專利統(tǒng)計(jì)分析方法的基礎(chǔ)上，針對(duì)專利存量理論和專利法律狀態(tài)信息更新特征，設(shè)計(jì)了跟蹤式的有效專利存量比率計(jì)算模型；并進(jìn)一步利用負(fù)指數(shù)函數(shù)提出用以表征有效專利失效速率的專利失效系數(shù)；同時(shí)做了實(shí)證研究。該研究中提出的測(cè)度方法，對(duì)動(dòng)態(tài)把握我國(guó)有效專利數(shù)量變動(dòng)狀況具有一定的指引作用。其研究的有效專利失效問(wèn)題，包括提前失效和期滿失效等多種狀況，而本文的研究對(duì)象專注于提前失效專利。楊中楷等[2]利用中國(guó)15個(gè)副省級(jí)城市20余年的專利數(shù)據(jù)，采用負(fù)指數(shù)函數(shù)模型及專利存量比率和專利失效系數(shù)指標(biāo)，對(duì)各個(gè)城市專利失效過(guò)程和消亡速度進(jìn)行了動(dòng)態(tài)測(cè)度和直觀展示，將最終結(jié)果劃分為四種模式，并探討了該結(jié)果與我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展的相關(guān)性。該研究對(duì)正確把握我國(guó)有效專利失效狀況有很大幫助。

專利價(jià)值是隨著我國(guó)專利數(shù)量突飛猛進(jìn)發(fā)展而引起學(xué)者們關(guān)注的一個(gè)重要課題。專利價(jià)值是專利質(zhì)量的重要體現(xiàn)和反映，在專利的商業(yè)運(yùn)營(yíng)中占有重要地位，常常是專利許可轉(zhuǎn)讓、質(zhì)押融資、作價(jià)入股、并購(gòu)重組等活動(dòng)的前提和基礎(chǔ)[3]。國(guó)內(nèi)外學(xué)者關(guān)于專利價(jià)值的研究，主要集中于以下幾個(gè)方面：專利價(jià)值與經(jīng)濟(jì)價(jià)值相關(guān)性[4]、專利價(jià)值影響因素[5-8]、專利引用與專利價(jià)值之間的對(duì)數(shù)線性關(guān)系[9]、專利價(jià)值評(píng)估和商業(yè)化戰(zhàn)略[10]、專利價(jià)值指標(biāo)在專利拍賣會(huì)現(xiàn)場(chǎng)的測(cè)試分析[11]等。

關(guān)于專利價(jià)值的測(cè)度方法和指標(biāo)，國(guó)內(nèi)外知識(shí)產(chǎn)權(quán)研究與服務(wù)機(jī)構(gòu)提出了一些體系。比如，丹麥專利商標(biāo)局與哥本哈根商學(xué)院合作開發(fā)的IPscore評(píng)估系統(tǒng)[12-13]；美國(guó)Dialog公司基于美國(guó)加州伯克利大學(xué)與喬治梅森大學(xué)發(fā)表的一篇名為Valuable Patents的論文[14-15]，而開發(fā)的Patent Strength評(píng)價(jià)體系；美國(guó)知識(shí)產(chǎn)權(quán)經(jīng)營(yíng)公司OCEAN TOMO開發(fā)的Patent Rating專利價(jià)值評(píng)估系統(tǒng)；美國(guó)CHI公司開發(fā)的專利記分牌Patent Scorecard評(píng)價(jià)體系；中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局和中國(guó)技術(shù)交易所共同開發(fā)的專利價(jià)值分析指標(biāo)體系[6，16]；合享專利價(jià)值度評(píng)估體系[3，17-18]；智慧芽專利評(píng)估體系（PatSnap）[19-21]等。

已有的研究為我們提供了重要的參考。本研究以2002—2018年中國(guó)全部發(fā)明授權(quán)專利數(shù)據(jù)為樣本，基于中國(guó)不同類型專利申請(qǐng)人，即產(chǎn)業(yè)、大學(xué)、科研院所和個(gè)人（以下簡(jiǎn)稱產(chǎn)學(xué)研私），在分析產(chǎn)學(xué)研私提前失效專利比率的發(fā)展趨勢(shì)基礎(chǔ)上，探索提前失效專利對(duì)專利價(jià)值的影響。

2數(shù)據(jù)檢索與研究方案設(shè)計(jì)

2.1數(shù)據(jù)檢索與分布

本研究數(shù)據(jù)來(lái)源于北京合享智慧科技有限公司開發(fā)的科技創(chuàng)新服務(wù)平臺(tái)IncoPat。該平臺(tái)收錄了全球112個(gè)國(guó)家/組織/地區(qū)1億余件專利數(shù)據(jù)信息，數(shù)據(jù)采購(gòu)自各國(guó)知識(shí)產(chǎn)權(quán)官方機(jī)構(gòu)或商業(yè)機(jī)構(gòu)，具有數(shù)據(jù)覆蓋全面、快速更新和多維度深入加工等特色[22]。

按照?qǐng)D1的檢索流程，得到2002—2018年間全部發(fā)明授權(quán)專利數(shù)據(jù)3 066 400個(gè)結(jié)果。本研究之所以選擇2002—2018年為研究數(shù)據(jù)的年度，是因?yàn)榘l(fā)明專利的法律保護(hù)期為20年，從申請(qǐng)之日起開始計(jì)算，而發(fā)明專利從申請(qǐng)到授權(quán)一般需要3年時(shí)間。因此，我們選擇的發(fā)明授權(quán)專利數(shù)據(jù)期間為17年，即2002—2018年，這個(gè)期間的發(fā)明授權(quán)專利原則上都還在專利有效的法律保護(hù)期內(nèi)。產(chǎn)學(xué)研私發(fā)明授權(quán)專利發(fā)展趨勢(shì)如圖2所示。產(chǎn)學(xué)研私各種類型專利申請(qǐng)人擁有的發(fā)明授權(quán)專利數(shù)量占全部數(shù)量的比例如表1所示。

2.2專利價(jià)值測(cè)度指標(biāo)

IncoPat創(chuàng)新平臺(tái)嵌入的專利價(jià)值度指標(biāo)，被用來(lái)計(jì)算和衡量本研究中產(chǎn)學(xué)研私各種類型專利價(jià)值。該指標(biāo)的計(jì)算依賴于IncoPat公司自主研發(fā)的專利價(jià)值模型[23]，融合了專利分析行業(yè)內(nèi)最普遍和最重要的技術(shù)指標(biāo)，比如技術(shù)穩(wěn)定性、技術(shù)先進(jìn)性、保護(hù)范圍等20多個(gè)技術(shù)指標(biāo)。通過(guò)設(shè)定指標(biāo)權(quán)重、計(jì)算順序等參數(shù)，充分融合專利大數(shù)據(jù)和人工智能AI技術(shù)，將AI技術(shù)植入價(jià)值度計(jì)算等應(yīng)用模塊[24]。與以往小樣本的、手工計(jì)算專利價(jià)值度相比，基于全球?qū)＠髷?shù)據(jù)和人工智能強(qiáng)大技術(shù)手段計(jì)算得出的專利價(jià)值度，更具有客觀性和科學(xué)性。

2.3研究方案

2.3.1第一步：提前失效專利比率計(jì)算與比較

基于IncoPat平臺(tái)，分別檢索產(chǎn)學(xué)研私各種類型的全部發(fā)明授權(quán)專利、失效專利、有效專利，計(jì)算并比較整體與產(chǎn)學(xué)研私各種類型專利失效率及發(fā)展趨勢(shì)。需要強(qiáng)調(diào)的是：我們的分析框架如圖3所示。這里，整體=產(chǎn)業(yè)+大學(xué)+科研院所+個(gè)人+其他；全部專利=有效專利+失效專利。

2.3.2第二步：專利價(jià)值度計(jì)算

基于IncoPat平臺(tái)，檢索得到“授權(quán)年/專利價(jià)值度”矩陣（表2）。

依據(jù)公式（1），計(jì)算得出每一年度的專利平均價(jià)值度。

其中i表示專利價(jià)值度星級(jí)，i =1，2，...，10；j表示年度，j =2002，2003，...，2018；a？ij為第j年平均專利價(jià)值度；aij表示第j年i星級(jí)對(duì)應(yīng)的專利價(jià)值度；n為第j年所有專利價(jià)值度出現(xiàn)的總頻次；kij表示第j年i星級(jí)專利價(jià)值度出現(xiàn)的頻次。

2.3.3第三步：分析提前失效專利對(duì)專利價(jià)值的影響

在以上計(jì)算結(jié)果基礎(chǔ)上，比較失效專利價(jià)值與有效專利價(jià)值、全部專利價(jià)值的差異，分析提前失效專利對(duì)專利價(jià)值的影響。

3提前失效專利比率發(fā)展趨勢(shì)

提前失效專利比率的計(jì)算按照公式（2）進(jìn)行，即：某年度授權(quán)后第n年的專利失效率=某年度授權(quán)后第n年失效的專利數(shù)量/某年度獲得授權(quán)的全部專利數(shù)量。

其中n表示專利授權(quán)后的第n年，i=1，2，......17；j表示年度，j =2002，2003，...，2018；αnj為授權(quán)后第n年的專利失效率；xnj表示第j年授權(quán)后第n年失效的專利數(shù)量；ynj為第j年年度獲得授權(quán)的專利總數(shù)量。

依據(jù)公式（2），我們分別計(jì)算了整體與產(chǎn)學(xué)研私各種類型專利在2002—2018年間每一年度的失效率，繪制了提前失效專利比率發(fā)展趨勢(shì)圖（圖4）。橫軸上的年度采取逆序方式，2018年當(dāng)年獲得授權(quán)的專利，2018年既是授權(quán)年，也是授權(quán)后的第1年，我們?cè)跈M軸上的標(biāo)注為“1 2018”，即“授權(quán)后第n年—授權(quán)年”，這樣橫軸上的時(shí)間就是授權(quán)后的第1年至第17年，加上從申請(qǐng)到授權(quán)的3年期間，就是發(fā)明專利的法定保護(hù)期20年。

圖4顯示，整體上看，在每個(gè)年份，大學(xué)專利的提前失效率幾乎都是最高的，而后依次是個(gè)人類型、科研院所、整體的和產(chǎn)業(yè)的專利，即產(chǎn)業(yè)專利提前失效比率最低。在獲得授權(quán)后的第6年，大學(xué)專利的失效率接近60%，而在同一年，整體的失效率在25%左右，產(chǎn)業(yè)的失效率在20%左右。第10年，大學(xué)專利的失效率接近85%，整體的在50%左右，產(chǎn)業(yè)的不到45%。第15年，大學(xué)和個(gè)人專利失效率接近95%，整體的和產(chǎn)業(yè)的在80%左右。整體與產(chǎn)學(xué)研私各類型專利的平均失效率如表3所示。

表3顯示，大學(xué)專利的提前失效專利比率是最高的，超過(guò)65%；個(gè)人的也比較高，超過(guò)60%；科研院所的超過(guò)50%；整體略高于45%；產(chǎn)業(yè)的最低，接近40%。

4提前失效專利價(jià)值與全部/有效專利價(jià)值的比較

4.1每一類型的專利價(jià)值分析

圖5中，以組圖形式展示了整體與產(chǎn)學(xué)研私每一類型的全部專利、有效專利與失效專利的專利價(jià)值發(fā)展趨勢(shì)。

圖5中各個(gè)子圖雖有差異，但卻揭示了同樣的規(guī)律：對(duì)于發(fā)明授權(quán)專利的整體和產(chǎn)學(xué)研私各種類型而言，有效專利的價(jià)值處于最高層次的發(fā)展趨勢(shì)；全部專利價(jià)值處于中間層次發(fā)展趨勢(shì)；失效專利價(jià)值處于最低層次發(fā)展趨勢(shì)。直觀上揭示了失效專利拉低了全部專利價(jià)值這個(gè)現(xiàn)象。

4.2各類型的專利價(jià)值分析

圖6展示了整體與產(chǎn)學(xué)研私各類型的有效專利、全部專利與失效專利的專利價(jià)值發(fā)展趨勢(shì)。圖6（a）顯示，整體與產(chǎn)學(xué)研私各類型的有效專利的專利價(jià)值發(fā)展趨勢(shì)非常接近，整體上呈現(xiàn)上升的發(fā)展態(tài)勢(shì)。獲得授權(quán)后的第1年，各類型專利價(jià)值度為8.0左右，之后升降盡管有略微波動(dòng)，但總的上升趨勢(shì)還是比較明顯，在第10年至第17年基本處于價(jià)值度的高峰期間。圖6（b）揭示了整體與產(chǎn)學(xué)研私各類型的全部專利的專利價(jià)值發(fā)展趨勢(shì)。獲得授權(quán)后的第1年，各類型的專利價(jià)值度基本為8左右，之后除了產(chǎn)業(yè)的專利價(jià)值度呈現(xiàn)出略微上升繼而略微下降，恢復(fù)到8左右之外，其他的幾條曲線都呈現(xiàn)出下降的發(fā)展態(tài)勢(shì)，尤其是科研院所、個(gè)人和大學(xué)三種類型的專利。其中大學(xué)專利的下降趨勢(shì)是最明顯的。圖6（c）揭示了各類型失效專利價(jià)值發(fā)展趨勢(shì)。它們?cè)诘谝荒陼r(shí)專利價(jià)值度介于3～4之間，之后的發(fā)展趨勢(shì)比較接近，上升趨勢(shì)比較明顯，盡管有略微波動(dòng)。產(chǎn)業(yè)的與整體的趨勢(shì)比較接近，上升趨勢(shì)更明顯；科研院所、大學(xué)和個(gè)人的趨勢(shì)非常接近。圖6（c）清晰地揭示了專利獲得授權(quán)后，提前失效的時(shí)間越早，價(jià)值就越低。

4.3失效專利對(duì)專利價(jià)值的影響

本文從兩個(gè)方面，分析提前失效專利對(duì)專利平均價(jià)值的影響。第一個(gè)方面，失效專利與有效專利的專利價(jià)值比較，從中找出二者之間的差距。第二個(gè)方面，專利平均價(jià)值與平均失效率之間的關(guān)系，從中發(fā)現(xiàn)失效率對(duì)專利價(jià)值的影響。表4顯示了各類型有效專利與失效專利的專利價(jià)值分布狀況，揭示了有效專利的專利價(jià)值高出失效專利的專利價(jià)值的比率。

總的來(lái)說(shuō)，有效專利的專利價(jià)值平均高出失效專利的專利價(jià)值62.68%。其中，個(gè)人類型的有效與失效專利價(jià)值差異最大，接近80%；大學(xué)類型的也很高，超出73%；科研院所的差異也接近70%；整體的也超過(guò)了50%；產(chǎn)業(yè)的最低，接近40%。圖7進(jìn)一步揭示了專利平均價(jià)值度與平均失效率之間的關(guān)系。

就整體與產(chǎn)學(xué)研私各類型來(lái)說(shuō)，專利平均失效率越高，對(duì)應(yīng)的該類型專利的平均價(jià)值度就越低。產(chǎn)業(yè)的平均失效率最低，其平均價(jià)值度最高；大學(xué)的平均失效率最高，其平均價(jià)值度最低。

5結(jié)論與展望

本研究的創(chuàng)新之處在于：基于中國(guó)2002—2018年間的全部發(fā)明授權(quán)專利數(shù)據(jù)3 066 400條，選擇IncoPat科技創(chuàng)新平臺(tái)自主研發(fā)的將專利大數(shù)據(jù)與人工智能深度融合的專利價(jià)值度計(jì)算指標(biāo)，從產(chǎn)業(yè)、大學(xué)、科研院所和個(gè)人等多種類型申請(qǐng)人視角，全部專利、有效專利與失效專利等不同層面，測(cè)度并比較了不同類型申請(qǐng)人的提前失效專利比率發(fā)展趨勢(shì)、提前失效專利價(jià)值與全部/有效專利價(jià)值的比較等問(wèn)題，揭示了產(chǎn)學(xué)研私不同類型申請(qǐng)人提前失效專利比率的不同；每一類型中提前失效專利與全部專利和有效專利價(jià)值的差異；各種類型提前失效專利價(jià)值與全部專利價(jià)值和有效專利價(jià)值的差異等結(jié)果。研究中的發(fā)現(xiàn)，對(duì)推動(dòng)專利質(zhì)量工程的建設(shè)和知識(shí)產(chǎn)權(quán)強(qiáng)國(guó)戰(zhàn)略的實(shí)施，具有重要的理論意義和實(shí)踐意義。

研究發(fā)現(xiàn)，提前失效專利價(jià)值遠(yuǎn)遠(yuǎn)低于有效專利價(jià)值，平均低60%。其中申請(qǐng)人類型為個(gè)人的，低接近80%；大學(xué)的，也低70%。提前失效專利比率分析結(jié)果揭示了大學(xué)的比率是最高的，其平均失效率超過(guò)了65個(gè)百分點(diǎn)。在獲得授權(quán)后的第6年，大學(xué)專利的失效率就接近60%了。產(chǎn)業(yè)的平均失效率最低，接近40%。提前失效專利對(duì)專利平均價(jià)值的影響，從兩個(gè)方面得到揭示。第一，提前失效專利價(jià)值遠(yuǎn)遠(yuǎn)低于有效專利價(jià)值。第二，失效率越高，專利價(jià)值就越低。下一步我們將進(jìn)一步探索專利提前失效的原因及應(yīng)采取的防范措施，以全面提高專利價(jià)值和專利質(zhì)量。

參考文獻(xiàn)：

[1]張嫻，許海云，方曙，等.有效專利失效速率測(cè)度方法研究[J].圖書情報(bào)工作， 2014， 58（13）： 90-94+74.

[2]楊中楷，韓爽，侍曉宇. 15個(gè)副省級(jí)城市有效專利失效速度測(cè)度與評(píng)價(jià)[J].科技管理研究， 2016， 36（21）： 57-61.

[3]馬天旗.高價(jià)值專利篩選.北京：知識(shí)產(chǎn)權(quán)出版社， 2018.

[4]曹晨，胡元佳.綜合專利價(jià)值指數(shù)與藥物經(jīng)濟(jì)價(jià)值的相關(guān)性研究[J].中國(guó)醫(yī)藥工業(yè)雜志， 2011， 42（7）： 560-562.

[5]Sapsalis E，de la Potteriea BV，Navon R.Academic versus industry patenting： An in-depth analysis of what determines patent value [J]. Research Policy， 2006， 35（10）： 1631-1645.

[6]邱洪華，宋秋玉.中國(guó)專利價(jià)值影響因素的評(píng)價(jià)及其與美國(guó)的比較[J].創(chuàng)新， 2018， 12（2）： 87-98.

[7]申文嬌，胡登峰.專利權(quán)收購(gòu)戰(zhàn)略下的專利價(jià)值影響因素分析[J].科技和產(chǎn)業(yè)， 2013， 13（1）： 118-123.

[8]Reitzig M.What determines patent value？ Insights from the semiconductor industry[J].Research Policy，2003，32（1）： 13-26.

[9]Bakker J.The log-linear relation between patent citations and patent value [J]. Scientometrics， 2017， 110（2）： 879-892.

[10] Hsieh CH.Patent value assessment and commercialization strategy[J].Technological Forecasting and Social Change， 2013， 80（2）： 307-319.

[11] Fischer T，Leidinger J.Testing patent value indicators on directly observed patent value-An empirical analysis of Ocean Tomo patent auctions[J].Research Policy，2014，43（3）： 519-529.

[12] Panopoulos AD， DAntonio M， Benaglio P et al. iPSCORE： A Resource of 222 iPSC Lines Enabling Functional Characterization of Genetic Variation across a Variety of Cell Types [J]. Stem Cell Reports， 2017， 8（4）： 1086-1100.

[13] Rebien S， Ec， Ec.Management and evaluation of IPR -Experience with IPscore [R].B-1049 Brussels：European Commission， 2002.

[14] Kitagawa T，Masuda Y，Umezawa M.Patent strength and optimal two-part tariff licensing with a potential rival[J]. Economics Letters， 2014， 123（2）： 227-231.

[15] San Martin M， Saracho AI. Patent strength and optimal two-part tariff licensing with a potential rival incorporating ad valorem royalties [J]. Economics Letters， 2016， 143： 28-31.

[16]吳紅，冀方燕.基于專利申請(qǐng)及審查制度的專利引文評(píng)價(jià)效能實(shí)證研究[J].圖書情報(bào)工作， 2017， 61（19）： 89-95.

[17]梁麗，李小娟，王雙龍，等.基于專利價(jià)值分析指標(biāo)體系的專利價(jià)值數(shù)據(jù)綜合處理系統(tǒng)[J].高科技與產(chǎn)業(yè)化， 2015（7）： 89-93.

[18]肖國(guó)華，牛茜茜.專利價(jià)值分析指標(biāo)體系改進(jìn)研究[J].科技進(jìn)步與對(duì)策， 2015， 32（5）： 117-121.

[19]Patsnap Pte Ltd [J].中國(guó)發(fā)明與專利， 2013（10）： 43.

[20]馬吉宏，田長(zhǎng)彥，呂光輝.基于"智慧芽"專利數(shù)據(jù)庫(kù)的塔里木河生態(tài)環(huán)境領(lǐng)域?qū)＠治鯷J].科技管理研究， 2018， 38（10）： 158-164.

[21]王晶.專利檢索分析工具在企業(yè)專利信息獲取中的作用——以智慧芽為例[J].新西部， 2018（17）： 55， 52.

[22] IncoPat系統(tǒng)說(shuō)明. [EB/OL]. https：//www. incopat. com/help/ sysdoc/help1-1.html.2018.

[23]合享價(jià)值度是如何計(jì)算的？.[EB/OL]. https：//www.incopat.com/ help/sysdoc/FAQ5.3.html.2018.

[24]合享： IP服務(wù)業(yè)里的AI企業(yè).[EB/OL]. http：//www.cneip.org.cn/ html/16/27646.html.2018.

Impact of Patents Losing Validity in Advance on Patent Value

LUAN Chunjuan，ZUO Chuan，ZHANG Liuyuan（Faculty of Intellectual Property， Dalian University of Technology， Panjin 12241， China）

Abstract： It is of great significance exploring patents losing validity in advance on patent value， for promoting Chinese patent quality project and IP strategy. Patents losing validity in advance refer to patents should be valid in their protection period yet not. Patent value of four types of applicant， industry， university， research institute and individual， have been explored based on 3 066 400 Chinese granted invention patents by employing AI calculating functions embedded in IncoPat platform. Findings show that patent value of invalid patents is far behind of that of valid patents. The higher the invalid rate is， the lower the patent value is. Invalid rate of university is the highest. Measures will be further discussed next to improve patent quality.

Keywords： patent value；patents losing validity in advance；valid patents；industry-university-research institute；individual patents；invalid rate