面向产业链的企业专利侵权风险及应对方案研究
发布时间：2020-12-05 00:00
技术创新快速发展,累积创新的高技术产业引领我们进入了现代信息时代。随着创新型产品和服务发生本质的变化,半导体、信息技术、通信、制药和生物技术等技术密集型产业广泛利用专利来保护其发明。在复杂的高科技行业中,越来越多的企业因战略原因而申请专利,导致专利申请数量激增。专利局工作量的增加以及现有技术的搜索成本增加,导致出现更多的专利权重叠专利和较小的发明被授予更多的专利权。由于存在很多权利要求不确定的相关专利,大量生产和销售使用复杂技术产品的公司通常不能有效地确保其产品不侵犯另一家公司的专利。因而,拥有大量复杂化和模块化技术的专利的高科技密集型产业中逐渐出现了专利丛林现象。随着全球经济一体化与知识产权保护意识的加强,深入研究专利丛林问题具有重要的意义。本文研究与分析了产业链专利侵权风险管理方案,在合理构建产业链、产业技术链的基础上,利用lda2vec主题模型对技术领域的专利进行主题分析,获取技术子主题,将专利映射到产业链的不同环节,得到各技术领域的专利数据集,运用社会网络分析方法和文本相似度方法,分别对产业链外部与产业链内部的专利丛林进行测量与识别,分析专利丛林的特征,对专利丛林风险进行评估,...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
lda2vec模型图
第 2 章 相关理论与方法介绍vec 将一组文档看成一组非常长的文本字符串，基于 Word2vec 的词向量在特定窗口大小的一段文本字符串上，是一种局部表示方式，Word2训练的框架如表 2-2 所示，Word2vec 模型图如图 2-3 所示。表 2-2 Word2vec 词向量训练框架Table 2-2 Word2vec word vector training framework模型 CBOW Skip-gramNegative Sampling CBOW+NS Skip-gram+NSHierachy Softmax CBOW+HS Skip-gram+HS
北京工业大学管理学硕士学位论文学习出来的句子向量计算句子间的距离，找到句子间的相似性，可用于文本分类情感分析等[60]。doc2vec 模型有两种模型训练句子向量：Distributed Memory(DM)和Distributed Bag of Words(DBOW)。Distributed Memory(DM)模型是根据上下文的信息和句子的向量预测词概率，Distributed Bag of Words(DBOW)模型是在给定句子的向量的基础上，预测句子中的随机词的概率，模型如图 2-4 所示。
本文编号：2898479
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
lda2vec模型图
第 2 章 相关理论与方法介绍vec 将一组文档看成一组非常长的文本字符串，基于 Word2vec 的词向量在特定窗口大小的一段文本字符串上，是一种局部表示方式，Word2训练的框架如表 2-2 所示，Word2vec 模型图如图 2-3 所示。表 2-2 Word2vec 词向量训练框架Table 2-2 Word2vec word vector training framework模型 CBOW Skip-gramNegative Sampling CBOW+NS Skip-gram+NSHierachy Softmax CBOW+HS Skip-gram+HS
北京工业大学管理学硕士学位论文学习出来的句子向量计算句子间的距离，找到句子间的相似性，可用于文本分类情感分析等[60]。doc2vec 模型有两种模型训练句子向量：Distributed Memory(DM)和Distributed Bag of Words(DBOW)。Distributed Memory(DM)模型是根据上下文的信息和句子的向量预测词概率，Distributed Bag of Words(DBOW)模型是在给定句子的向量的基础上，预测句子中的随机词的概率，模型如图 2-4 所示。
本文编号：2898479
本文链接：https://www.wllwen.com/qiyeguanlilunwen/2898479.html
