专利布局分析方法、装置、计算机设备及存储介质

技术领域

本申请实施例涉及专利分析技术领域，特别涉及一种专利布局分析方法、装置、计算机设备及存储介质。

背景技术

专利分析是利用统计学等方法分析和提取专利信息中的情报，从而为企业的技术研发决策提供参考。

现有的专利分析法通常分为定量和定性两种。定量分析通过专利的外表特征对指标进行统计分析，对象和维度如专利分类、专利权人、年度、国别等，常用的指标包括，专利数量、同族专利数量、专利被引次数、专利成长性、科学关联性、技术生命周期等。定性分析也叫技术分析，是以专利的技术内容来识别专利，并按技术特征来归并专利使其有序化。定性分析一般用来获得技术动向，可以从发明的用途、原理、材料、结构、方法等方面来分析重要专利的内容，按照内容将专利分类，以研究各公司的技术特色和开发重点。

然而，上述分析方法无法确定专利技术中哪些细分领域需要进行重点关注，进而进行技术研发和专利布局决策，因而使得对专利布局的指导效果较差。

发明内容

本申请实施例提供了一种专利布局分析方法、装置、计算机设备及存储介质，可以在进行专利布局时，确定各个技术领域的重要性，以确定当前进行布局所需要重点关注的细分领域，为技术研发和专利布局提供明确的方向指示，从而提高对专利布局的指导效果，也使得专利布局更加符合企业需求；该技术方案如下方面。

一方面，提供了一种专利布局分析方法，所述方法包括：

获取n个目标专利的专利数据；所述目标专利是基于目标搜索条件获得的专利；n为正整数；

对各个所述目标专利的专利数据进行解析，获得各个所述目标专利的专利特征信息；所述专利特征信息中包含所述目标专利对应的cpc分类号；

获取各个cpc分类号对应的第一分值；所述第一分值用于指示所述cpc分类号的核心性；

获取各个所述cpc分类号对应的第二分值；所述第二分值用于指示所述cpc分类号的跨领域性；

基于各个所述cpc分类号的所述第一分值与各个所述cpc分类号的所述第二分值，从n个所述目标专利的所述cpc分类号中确定目标cpc分类号，以通过所述目标cpc分类号对专利布局进行指导。

另一方面，提供了一种专利布局分析装置，所述装置包括：

数据获取模块，用于获取n个目标专利的专利数据；所述目标专利是基于目标搜索条件获得的专利；n为正整数；

数据解析模块，用于对各个所述目标专利的专利数据进行解析，获得各个所述目标专利的专利特征信息；所述专利特征信息中包含所述目标专利对应的cpc分类号；

第一获取模块，用于获取各个cpc分类号对应的第一分值；所述第一分值用于指示所述cpc分类号的核心性；

第二获取模块，用于获取各个所述cpc分类号对应的第二分值；所述第二分值用于指示所述cpc分类号的跨领域性；

确定模块，用于基于各个所述cpc分类号的所述第一分值与各个所述cpc分类号的所述第二分值，确定目标cpc分类号，以通过所述目标cpc分类号对专利布局进行指导。

在一种可能的实现方式中，所述专利特征信息中还包含所述目标专利的专利号信息、所述目标专利的专利权人所属的第一国别信息以及所述目标专利的申请授权的第二国别信息；

所述第一获取模块，包括：

网络图构建子模块，用于基于各个所述目标专利的所述专利特征信息构建专利网络图，所述专利网络图中包含各个所述专利特征信息对应的节点，以及用于指示所述专利号信息、所述第一国别信息以及所述第二国别信息分别与所述cpc分类号之间的对应关系的边；

分值获取子模块，用于基于所述专利网络图，获取各个所述cpc分类号对应的所述第一分值。

在一种可能的实现方式中，所述分值获取子模块，包括：

第一分值计算单元，用于基于所述专利网络图，计算各个所述cpc分类号对应的节点在至少两个目标指标维度的得分；

第二分值计算单元，用于对各个所述cpc分类号对应的节点在至少两个目标指标维度的得分进行加权汇总，获得各个所述cpc分类号对应的所述第一分值。

在一种可能的实现方式中，所述目标指标维度包括：度中心度，临近中心度，介中心度，网页排序PageRank，枢纽值以及权威值。

在一种可能的实现方式中，所述第二分值计算单元，用于对各个所述cpc分类号对应的节点在至少两个目标指标维度的得分进行数据标准化处理，获得各个所述cpc分类号对应的节点在至少两个目标指标维度的标准化得分；

基于各个所述cpc分类号对应的节点在至少两个目标指标维度的标准化得分，通过熵权法计算各个所述目标指标维度的权重；

基于各个所述目标指标维度的权重，对各个所述cpc分类号对应的节点在至少两个目标指标维度的标准化得分进行加权汇总，获得各个所述cpc分类号对应的所述第一分值。

在一种可能的实现方式中，所述第二获取模块，包括：

组合子模块，用于基于各个所述cpc分类号组成cpc分类号对；每个所述cpc分类号对中包含两个不同的所述cpc分类号；

系数获取子模块，用于获取各个所述cpc分类号对的共现系数；所述共现系数用于指示所述cpc分类号对中包含的两个不同的所述cpc分类号共同出现的频次；

分类号对获取子模块，用于在所述cpc分类号对的所述共现系数大于系数阈值的情况下，获取与所述cpc分类号对相对应的ipc分类号对；所述ipc分类号对具有对应的领域信息；所述领域信息用于指示所述ipc分类号对中包含的ipc分类号的领域类型；

统计子模块，用于基于所述cpc分类号对应的所述ipc分类号对的所述领域信息，统计所述cpc分类号的跨领域数量，以确定所述cpc分类号的所述第二分值。

在一种可能的实现方式中，所述装置还包括：

分类号筛选模块，用于获取所述cpc分类号中的高频分类号；所述高频分类号是指出现次数大于次数阈值的cpc分类号；

所述第一获取模块，用于获取各个所述高频分类号对应的所述第一分值；

所述第二获取模块，用于获取各个所述高频分类号对应的所述第二分值；

所述确定模块，用于基于各个所述高频分类号的所述第一分值，与各个所述高频分类号的所述第二分值，确定所述目标cpc分类号。

另一方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行以实现上述的专利布局分析方法。

另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现上述的专利布局分析方法。

另一方面，提供了一种计算机程序产品，所述计算机程序产品包括至少一条计算机程序，所述计算机程序由处理器加载并执行以实现上述各种可选实现方式中提供的专利布局分析方法。

本申请提供的技术方案可以包括以下有益效果：

本申请实施例提供的专利布局分析方法，在通过目标搜索条件进行搜索获得n个目标专利的专利数据后，通过对目标专利的专利数据进行解析，获得各个目标专利的专利特征信息，该专利特征信息中包含目标专利的cpc分类号；获取各个cpc分类号的用于指示cpc的核心性的第一分值，以及用于指示cpc分类号的跨领域性的第二分值，以通过各个cpc分类号的第一分值和第二分值综合确定目标cpc分类号，以通过目标cpc分类号对后续专利布局的技术领域进行指导。通过上述方法，使得在进行专利布局时，可以确定各个技术领域的重要性，以确定当前进行布局所需要重点关注的细分领域，为技术研发和专利布局提供明确的方向指示，从而提高对专利布局的指导效果，也使得专利布局更加符合企业需求。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1示出了本申请一示例性实施例提供的专利布局分析方法的流程图；

图2示出了本申请一示例性实施例提供的专利布局分析方法的流程图；

图3示出了本申请一示例性实施例示出的专利网络图的示意图；

图4示出了本申请一示例性实施例示出的四象限图的示意图；

图5示出了本申请一示例性实施例提供的专利布局分析方法的方框图；

图6示出了本申请一示例性实施例提供的专利布局分析方法的流程图；

图7示出了本申请一示例性实施例提供的专利布局分析装置的方框图；

图8是根据一示例性实施例示出的计算机设备的结构框图；

图9是根据一示例性实施例示出的计算机设备的结构框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

图1示出了本申请一示例性实施例提供的专利布局分析方法的流程图，该方法可以由计算机设备执行，该计算机设备可以实现为服务器或终端；如图1所示，该专利布局分析方法可以包括以下步骤：

步骤110，获取n个目标专利的专利数据；该目标专利是基于目标搜索条件获得的专利；n为正整数。

在本申请实施例中，该目标专利可以是从专利数据库或者专利数据源中获取的；相关人员可以基于实际需求，在专利数据库或者专利数据源中输入目标搜索条件，以获得专利数据库或者专利数据源基于该搜索条件返回的目标专利的专利数据。

该目标搜索条件可以基于实际需求进行构建；示意性的，该目标搜索条件中可以包含但不限于关键词信息、语种信息、专利受让人信息。

步骤120，对各个目标专利的专利数据进行解析，获得各个目标专利的专利特征信息；该专利特征信息中包含目标专利对应的cpc分类号。

cpc(Cooperative Patent Classification，联合专利分类)专利号，也称cpc分类号，是由欧洲专利局和美国专利商标局联合开发并共同拥有的专利分类体系；cpc分类号用以指示专利所属的技术领域；不同的cpc分类号对应的技术领域不同；cpc分类号可以分为主分类号以及子分类号；同一主分类号下，可以配置有多个子分类号，以对该主分类号的技术领域进行细化。在本申请实施例中cpc分类号可以解析到主分类号的级别，以适当的聚合和减少数据处理量；或者，可选的，cpc分类号也可以解析到子分类号的级别，以获得更加准确的技术领域。

需要明确的是，基于目标搜索条件获得的目标专利的cpc分类号可能相同也可能不同，也就是说，同一cpc分类号可以对应于多个目标专利。

步骤130，获取各个cpc分类号对应的第一分值；该第一分值用于指示cpc分类号的核心性。

cpc分类号的核心性用于指示在基于目标搜索条件获得的n个目标专利中，该cpc分类号指示的技术领域的重要程度。

步骤140，获取各个cpc分类号对应的第二分值；该第二分值用于指示cpc分类号的跨领域性。

cpc分类号的跨领域性用于指示该cpc领域扩散和关联到其他领域的能力。

步骤150，基于各个cpc分类号的第一分值与各个cpc分类号的第二分值，从n个目标专利的cpc分类号中确定目标cpc分类号，以通过目标cpc分类号对专利布局进行指导。

在本申请实施例中，综合各个cpc分类号的核心性以及跨领域性，以从中确定目标cpc分类号，以将该目标cpc分类号对应的技术领域确定为后续进行专利布局时需要重点关注的细分技术领域。

在本申请实施例中，目标cpc分类号的数量可以由一个或者多个，本申请对目标cpc分类号的数量不进行限制。

综上所述，本申请实施例提供的专利布局分析方法，在通过目标搜索条件进行搜索获得n个目标专利的专利数据后，通过对目标专利的专利数据进行解析，获得各个目标专利的专利特征信息，该专利特征信息中包含目标专利的cpc分类号；获取各个cpc分类号的用于指示cpc的核心性的第一分值，以及用于指示cpc分类号的跨领域性的第二分值，以通过各个cpc分类号的第一分值和第二分值综合确定目标cpc分类号，以通过目标cpc分类号对后续专利布局的技术领域进行指导。通过上述方法，使得在进行专利布局时，可以确定各个技术领域的重要性，以确定当前进行布局所需要重点关注的细分领域，为技术研发和专利布局提供明确的方向指示，从而提高对专利布局的指导效果，也使得专利布局更加符合企业需求。

图2示出了本申请一示例性实施例提供的专利布局分析方法的流程图，该方法可以由计算机设备执行，该计算机设备可以实现为服务器或终端；如图2所示，该专利布局分析方法可以包括以下步骤：

步骤210，获取n个目标专利的专利数据；该目标专利是基于目标搜索条件获得的专利；n为正整数。

步骤220，对各个目标专利的专利数据进行解析，获得各个目标专利的专利特征信息；该专利特征信息中包含目标专利对应的cpc分类号。

在本申请实施例中，专利特征信息中还包含目标专利的专利号信息、目标专利的专利权人所属的第一国别信息以及目标专利的申请授权的第二国别信息。

其中，申请授权的第二国别信息用于指示该专利的申请保护区域，通常可以基于申请公布号的前两位确定第二国别信息，示意性的“CNxxxxxxx”中的“CN”指示该专利的申请授权的国别为中国。

在获取各个cpc分类号的第一分值时，可以基于各个其他专利特征信息与cpc分类号的对应关系，计算cpc分类号的第一分值；其中，其他专利特征信息包括专利特征信息中除cpc分类号之外的其他信息。

步骤230，基于各个目标专利的专利特征信息构建专利网络图，该专利网络图中包含各个专利特征信息对应的节点，以及用于指示专利号信息、第一国别信息以及第二国别信息分别与cpc分类号之间的对应关系的边。

图3示出了本申请一示例性实施例示出的专利网络图的示意图，如图3所示，该专利网络图中包含分别对应于专利号信息、第一国别信息、第二国别信息以及cpc分类号的节点，以及，专利号信息-cpc分类号，第一国别信息-cpc分类号，第二国别信息-cpc分类号各自对应的边。如图3所示，同一cpc分类号可以对应于多个目标专利，同一目标专利也可以对应多个cpc分类号。

步骤240，基于专利网络图，获取各个cpc分类号对应的第一分值。

在本申请实施例中，计算机设备可以基于专利网络图中的各个节点之间的边连接关系，对各个cpc分类号的中心性进行分析，从而确定各个cpc分类号的第一分值。

在一种可能的实现方式中，计算机设备可以通过不同维度的评价标准来评估各个cpc分类号的核心性，以综合各个维度的评价标准的评价结果，来确定各个cpc专利的核心性，该过程可以实现为：

基于专利网络图，计算各个cpc分类号对应的节点在至少两个目标指标维度的得分；

对各个cpc分类号对应的节点在至少两个目标指标维度的得分进行加权汇总，获得各个cpc分类号对应的第一分值。

其中，该目标指标维度用于指示对cpc分类号进行核心性评价的评价标准的维度；在本申请实施例中，该目标指标维度可以包括：度中心度，临近中心度，介中心度，网页排序PageRank，枢纽值以及权威值；也就是说，在计算各个cpc分类号对应的第一分值时，可以选用上述目标指标维度中的至少两个进行计算。

其中，度中心度(Degree Centrality，degCent)，即为连接中心度，用于指示一个节点与其他节点连接的总和，表示为：

其中，D(u)表示节点u的度中心度，n表示网络中总节点数量，N

临近中心度(Closeness Centrality，closeCent)，用于体现一个节点与其他节点的邻近程度，可以计算是一个节点到其他可达节点的距离的总和，这个总和越小就说明这个节点到其他可达节点的路径越短，也就说明这个节点距离其他可达节点越近；在本申请实施例中，临近中心度可以计算一个节点到其他可达节点的平均最短路径的倒数，表示为：

其中，C(u)表示节点u的临近中心度，d(v，u)是节点v与节点u之间最短的路径距离，n-1是从节点u可达的节点数，节点v为n-1个可达节点中的一个。

介中心度(Betweenness Centrality，btwnCent)，计算的是经过一个节点的最短路径的数量。经过一个节点的最短路径的数量越多，该节点的介中心度越高，在本申请实施例中，可以通过计算通过一个节点的最短路径的比例之和，表示为：

其中，CB(u)表示节点u的介中心度，V是一组节点，σ(s,t)节点s与节点t之间最短路径(s，t)的数量，σ(s,t|u)是这些最短路径通过节点u(u不同于s，t)的数量。

网页排序(PageRank)算法最初作为互联网网页重要度的计算方法；PageRank算法的基本思想是在有向图上定义一个随机游走模型，即一阶马尔可夫链，描述随机游走者沿着有向图随机访问各个节点的行为。在一定条件下，极限情况访问每个节点的概率收敛到平稳分布，这时各个节点的平稳概率值就是其PageRank值，表示节点的重要度。PageRank是递归定义的，PageRank值的计算可以通过迭代算法进行。

权威值(Authority)，一个权威值高的网页会被很多网页指向。权威值是由HITS算法来计算，HITS算法的全称是“基于超链接的主题搜索”(Hyperlink-Induced TopicSearch)。该算法是一种用于对网页进行排序的算法。HITS算法的基本思想是：每个网页的重要性由两个指标刻画，权威值(Authority)与枢纽值(Hub)。权威值可以用网络G中的i节点入度系数来计算，定义网络关系为G＝(V,E,f)，其中，在本申请实施例中，V是专利集合，E是专利间互动关系(受让人、国家、区域等)的有向集合，f是专利集合与专利集合间互动关系的对应关系。权威值的计算公式如下：

indeg(i)＝indegree(i)＝节点i互动次数,i∈V

枢纽值(Hub)，一个枢纽值高的网页会指向很多网页，枢纽值可以用网络G中的i节点出度系数来计算，定义网络关系为G＝(V,E,f)，其中，V是专利集合，E是专利间互动关系(受让人、国家、区域等)的有向集合，f是专利集合与专利集合间互动关系的对应关系。枢纽值的计算公式如下：

outdeg(i)＝outdegree(i)＝节点i被互动次数,i∈V

需要说明的是，目标指标维度可以包括但不限于上述示意性示出的可能性，相关人员可以基于实际需求增加其他指标维度来对cpc分类号的核心性进行评估，本申请对此不进行限制。

可选的，在获得各个cpc分类号对应的节点在至少两个目标指标维度的得分后，计算机设备可以基于各个目标指标维度的权重，对各个目标指标维度的得分进行加权汇总，以获得各个cpc分类号的第一分值；其中，各个目标指标维度的权重可以是相关人员基于实际需求进行设置的；或者，在另一种可能的实现方式中，为了提高获得的第一分值的准确性，该过程可以实现为：

对各个cpc分类号对应的节点在至少两个目标指标维度的得分进行数据标准化处理，获得各个cpc分类号对应的节点在至少两个目标指标维度的标准化得分；

基于各个cpc分类号对应的节点在至少两个目标指标维度的标准化得分，通过熵权法计算各个目标指标维度的权重；

基于各个目标指标维度的权重，对各个cpc分类号对应的节点在至少两个目标指标维度的标准化得分进行加权汇总，获得各个cpc分类号对应的第一分值。

其中，在标准化处理时，可以基于各个目标指标维度的正向性和负向性采用不同的标准化方式进行标准化处理，其中，具有正向性的正向指标的标准化公式可以表示为：

具有负向性的负向指标的标准化公式可以表示为：

由上述标准化公式可知，对于正向指标，数值越大，标准化后的值越大；对于负向指标，数值越小，标准化后的值越大，从而实现各个目标指标维度的数据的可比性。

在本申请实施例中，度中心度，临近中心度，介中心度，网页排序，枢纽值，以及权威值均为正向指标。

通过熵权法计算各个目标指标维度的权重的过程可以实现为：

S2401，计算各个标准化得分在各项目标指标维度中占的比重；公式表示为：

其中，p

S2402，计算各项目标指标维度的信息熵；公式表示为：

其中，

e

S2403，计算各项目标指标维度的信息冗余度；公式表示为：

d

其中，d

S2404，计算各项目标指标维度的权重；公式表示为：

其中，w

在计算获得各个目标指标维度的权重后，计算各个cpc分类号对应的第一分值所用的公式可以表示为：

其中，x′

通过上述计算能够得到各个cpc分类号的综合核心性得分，即第一分值；第一分值指示的是对应专利的中心性，即测度节点在专利网络图中的中心性；中心性高的节点在专利网络图中处于核心位置，可以有效地管控其他节点的活动和资源。

步骤250，获取各个cpc分类号对应的第二分值；该第二分值用于指示cpc分类号的跨领域性。

在本申请实施例中，计算机设备可以通过ipc分类号的跨领域性来确定cpc分类号的跨领域性。获取各个cpc分类号对应的第二分值的过程可以实现为：

基于各个cpc分类号组成cpc分类号对；每个cpc分类号对中包含两个不同的cpc分类号；

获取各个cpc分类号对的共现系数；该共现系数用于指示cpc分类号对中包含的两个不同的cpc分类号共同出现的频次；

在cpc分类号对的共现系数大于系数阈值的情况下，获取与cpc分类号对相对应的ipc分类号对；该ipc分类号对具有对应的领域信息；该领域信息用于指示ipc分类号对中包含的ipc分类号的领域类型；

基于cpc分类号对应的ipc分类号对的领域信息，统计cpc分类号的跨领域数量，以确定cpc分类号的第二分值。

其中，该ipc分类号对具有对应的领域信息可以是预先对ipc分类号以及技术领域之间的对应关系进行统计梳理获得的。

在本申请实施例，各个cpc分类号对的共现系数可以为Jaccard共现系数，以cpc分类号节点u和cpc分类号节点v组成的cpc分类号对为例，Jaccard共现系数的计算公式可以表示为：

其中，S(u,v)表示节点u和节点v的Jaccard共现系数，Γ(u)和Γ(v)分别表示cpc分类号节点u和cpc分类号节点v在基于目标搜索条件获得的n个专利中中各自出现的频次；基于上述公式可以获得各个cpc分类号对的共现系数。

在cpc分类号对的共现系数大于系数阈值时，确认cpc分类号对中的两个cpc分类号相关联。示意性的，该系数阈值可以设置为0，或者，也可以基于实际需求设置为其他数值，该系数阈值设置的越大，共现系数符合该系数阈值的cpc分类号对中的cpc分类号之间的关联性越强。

跨领域性计算在业务意义上不同于核心性计算，指的是该cpc领域扩散和关联到其他领域的特性，也作为研究专利布局的重要得分指标。具体来说，使用从国际知识产权网站获取的领域(section，field)和ipc分类号对应关系来匹配共现系数大于某个阈值的cpc分类号对应的ipc分类号。获取这些ipc分类号对所对应的技术领域，并将其作为对应的cpc分类号对中的cpc分类号所对应的技术领域，从而统计计算出每个节点cpc分类号对应的不同技术领域的个数，即获取到各个cpc分类号的第二分值。

步骤260，基于各个cpc分类号的第一分值与各个cpc分类号的第二分值，从n个目标专利的cpc分类号中确定目标cpc分类号，以通过目标cpc分类号对专利布局进行指导。

在本申请实施例中，为获取专利布局所需重点关注的细分技术领域，在进行cpc分类号选取时，需选取核心性以及跨领域性均较强的cpc分类号，以作为目标cpc分类号。

可选的，计算机设备可以基于cpc分类号的第一分值以及cpc分类号的第二分值分别对cpc分类号进行排序，以基于排序结果过获取第一分值与第二分值排序均处于最高的前q位的cpc分类号为目标cpc分类号；q为正整数。

或者，计算机设备也可以基于各个cpc分类号的第一分值以及第二分值综合绘制四象限图，以基于四象限图确定目标cpc分类号；图4示出了本申请一示例性实施例示出的四象限图的示意图，如图4所示，该四象限图的横纵坐标分别为第一分值以及第二分值，基于各个cpc分类号的第一分值和第二分值确定各个cpc分类号对应的点在四象限图中的分布，以基于各个cpc分类号对应的点再四象限图中的分布确定目标cpc分类号；可选的，将处于第一象限的cpc分类号确定为目标cpc分类号；其中，各个象限之间的界限可以由相关人员进行设置，本申请对此不进行限制。

示意性的，图5示出了本申请一示例性实施例提供的专利布局分析方法的方框图，如图5所示，在基于目标搜索条件获取到目标专利，并基于目标专利的专利特征信息确定cpc分类号后，可以分别进行第一分值和第二分值的计算；其中，在计算第一分值时，可以通过构建专利网络图，基于专利网络图计算各个cpc分类号对应的节点在度中心度，临近中心度，介中心度，网页排序PageRank，枢纽值以及权威值等指标维度上的得分，并通过熵权法对各个指标维度上的得分进行加权汇总，以获得各个cpc分类号的第一分值，该第一分值用以指示cpc分类号的核心性；在计算第二分值时，可以构建cpc分类号对，以基于cpc分类号对于ipc分类号对的对应关系，并基于ipc分类号对的领域信息，确定cpc分类号对中各个cpc分类号对应的技术领域的个数，将技术领域的数量确定为cpc分类号的第二分值，该第二分值用以指示cpc分类号的跨领域性。在获取到各个cpc分类号的第一分值和第二分值之后，结合四象限组合分析法，从多个cpc分类号中确定目标cpc分类号。

在一种可能的实现方式中，在确定目标cpc分类号后，计算机设备可以基于专利权人、专利权人所属的第一国别信息和申请授权的第二国别信息中的至少一种与目标cpc专利号的连接数量，确定专利权人在不同申请国家对重点细分技术领域的当前的专利布局，以基于当前专利布局对后续专利布局进行指导。比如，针对申请授权的国别维度挖掘分析特定领域的共性技术分布及布局情况，以确定重点共现技术在各个国家的归属情况；针对企业维度挖掘分析特定领域的共性技术分布及布局情况，以确定重点共现技术在各个企业的归属情况；针对企业维度挖掘分析其专利技术布局，以确定特定企业中该重点共现技术的专利布局，从而确定下一步专利布局的方向。

综上所述，本申请实施例提供的专利布局分析方法，在通过目标搜索条件进行搜索获得n个目标专利的专利数据后，通过对目标专利的专利数据进行解析，获得各个目标专利的专利特征信息，该专利特征信息中包含目标专利的cpc分类号；获取各个cpc分类号的用于指示cpc的核心性的第一分值，以及用于指示cpc分类号的跨领域性的第二分值，以通过各个cpc分类号的第一分值和第二分值综合确定目标cpc分类号，以通过目标cpc分类号对后续专利布局的技术领域进行指导。通过上述方法，使得在进行专利布局时，可以确定各个技术领域的重要性，以确定当前进行布局所需要重点关注的细分领域，为技术研发和专利布局提供明确的方向指示，从而提高对专利布局的指导效果，也使得专利布局更加符合企业需求。

在一种可能的实现方式中，为了减少无意义的计算，节约计算资源，计算机设备可以预先对n个目标专利的专利特征信息中包含的cpc分类号进行预筛选，以获得高频分类号；在计算各个cpc分类号的第一分值以及第二分值时，计算机设备可以计算高频分类号的第一分值以及第二分值，以基于高频分类号的第二分值和第一分值，确定目标cpc分类号。基于此，图6示出了本申请一示例性实施例提供的专利布局分析方法的流程图，该方法可以由计算机设备执行，该计算机设备可以实现为服务器或终端；如图6所示，该专利布局分析方法可以包括以下步骤：

步骤610，获取n个目标专利的专利数据；该目标专利是基于目标搜索条件获得的专利；n为正整数。

步骤620，对各个目标专利的专利数据进行解析，获得各个目标专利的专利特征信息；该专利特征信息中包含目标专利对应的cpc分类号。

步骤630，获取各个cpc分类号中的高频分类号；该高频分类号是指出现次数大于次数阈值的cpc分类号。

在本申请实施例中，计算机设备可以基于普莱斯公式确定次数阈值，示意性的，确定次数阈值的公式可以表示为：

其中，i表示获取的cpc分类号中，仅出现一次的cpc分类号的数量，将计算获得的数值确定为次数阈值，作为筛选高频分类号的依据。

步骤640，获取各个高频分类号对应的第一分值。

步骤650，获取各个高频分类号对应的第二分值。

步骤660，基于各个高频分类号的第一分值，与各个高频分类号的第二分值，确定目标cpc分类号。

步骤610～步骤620，步骤640至步骤660的实施方式可以参考图1或图2所示实施例的相关内容，此处不再赘述。

综上所述，本申请实施例提供的专利布局分析方法，在通过目标搜索条件进行搜索获得n个目标专利的专利数据后，通过对目标专利的专利数据进行解析，获得各个目标专利的专利特征信息，该专利特征信息中包含目标专利的cpc分类号；获取各个cpc分类号的用于指示cpc的核心性的第一分值，以及用于指示cpc分类号的跨领域性的第二分值，以通过各个cpc分类号的第一分值和第二分值综合确定目标cpc分类号，以通过目标cpc分类号对后续专利布局的技术领域进行指导。通过上述方法，使得在进行专利布局时，可以确定各个技术领域的重要性，以确定当前进行布局所需要重点关注的细分领域，为技术研发和专利布局提供明确的方向指示，从而提高对专利布局的指导效果，也使得专利布局更加符合企业需求。

同时，通过预先对获得的cpc分类号进行预筛选，避免对低频分类号的处理造成的不必要的处理资源浪费，提高了处理效率。

图7示出了本申请一示例性实施例提供的专利布局分析装置的方框图，该专利布局分析装置可以实现如图1或图2所示的实施例的全部或部分步骤，如图7所示，该专利布局分析装置可以包括：

数据获取模块710，用于获取n个目标专利的专利数据；所述目标专利是基于目标搜索条件获得的专利；n为正整数；

数据解析模块720，用于对各个所述目标专利的专利数据进行解析，获得各个所述目标专利的专利特征信息；所述专利特征信息中包含所述目标专利对应的cpc分类号；

第一获取模块730，用于获取各个cpc分类号对应的第一分值；所述第一分值用于指示所述cpc分类号的核心性；

第二获取模块740，用于获取各个所述cpc分类号对应的第二分值；所述第二分值用于指示所述cpc分类号的跨领域性；

确定模块750，用于基于各个所述cpc分类号的所述第一分值与各个所述cpc分类号的所述第二分值，确定目标cpc分类号，以通过所述目标cpc分类号对专利布局进行指导。

在一种可能的实现方式中，所述专利特征信息中还包含所述目标专利的专利号信息、所述目标专利的专利权人所属的第一国别信息以及所述目标专利的申请授权的第二国别信息；

所述第一获取模块730，包括：

网络图构建子模块，用于基于各个所述目标专利的所述专利特征信息构建专利网络图，所述专利网络图中包含各个所述专利特征信息对应的节点，以及用于指示所述专利号信息、所述第一国别信息以及所述第二国别信息分别与所述cpc分类号之间的对应关系的边；

分值获取子模块，用于基于所述专利网络图，获取各个所述cpc分类号对应的所述第一分值。

在一种可能的实现方式中，所述分值获取子模块，包括：

第一分值计算单元，用于基于所述专利网络图，计算各个所述cpc分类号对应的节点在至少两个目标指标维度的得分；

第二分值计算单元，用于对各个所述cpc分类号对应的节点在至少两个目标指标维度的得分进行加权汇总，获得各个所述cpc分类号对应的所述第一分值。

在一种可能的实现方式中，所述目标指标维度包括：度中心度，临近中心度，介中心度，网页排序PageRank，枢纽值以及权威值。

在一种可能的实现方式中，所述第二分值计算单元，用于对各个所述cpc分类号对应的节点在至少两个目标指标维度的得分进行数据标准化处理，获得各个所述cpc分类号对应的节点在至少两个目标指标维度的标准化得分；

基于各个所述cpc分类号对应的节点在至少两个目标指标维度的标准化得分，通过熵权法计算各个所述目标指标维度的权重；

基于各个所述目标指标维度的权重，对各个所述cpc分类号对应的节点在至少两个目标指标维度的标准化得分进行加权汇总，获得各个所述cpc分类号对应的所述第一分值。

在一种可能的实现方式中，所述第二获取模块740，包括：

组合子模块，用于基于各个所述cpc分类号组成cpc分类号对；每个所述cpc分类号对中包含两个不同的所述cpc分类号；

系数获取子模块，用于获取各个所述cpc分类号对的共现系数；所述共现系数用于指示所述cpc分类号对中包含的两个不同的所述cpc分类号共同出现的频次；

分类号对获取子模块，用于在所述cpc分类号对的所述共现系数大于系数阈值的情况下，获取与所述cpc分类号对相对应的ipc分类号对；所述ipc分类号对具有对应的领域信息；所述领域信息用于指示所述ipc分类号对中包含的ipc分类号的领域类型；

统计子模块，用于基于所述cpc分类号对应的所述ipc分类号对的所述领域信息，统计所述cpc分类号的跨领域数量，以确定所述cpc分类号的所述第二分值。

在一种可能的实现方式中，所述装置还包括：

分类号筛选模块，用于获取所述cpc分类号中的高频分类号；所述高频分类号是指出现次数大于次数阈值的cpc分类号；

所述第一获取模块730，用于获取各个所述高频分类号对应的所述第一分值；

所述第二获取模块740，用于获取各个所述高频分类号对应的所述第二分值；

所述确定模块750，用于基于各个所述高频分类号的所述第一分值，与各个所述高频分类号的所述第二分值，确定所述目标cpc分类号。

综上所述，本申请实施例提供的专利布局分析装置，在通过目标搜索条件进行搜索获得n个目标专利的专利数据后，通过对目标专利的专利数据进行解析，获得各个目标专利的专利特征信息，该专利特征信息中包含目标专利的cpc分类号；获取各个cpc分类号的用于指示cpc的核心性的第一分值，以及用于指示cpc分类号的跨领域性的第二分值，以通过各个cpc分类号的第一分值和第二分值综合确定目标cpc分类号，以通过目标cpc分类号对后续专利布局的技术领域进行指导。通过上述方法，使得在进行专利布局时，可以确定各个技术领域的重要性，以确定当前进行布局所需要重点关注的细分领域，为技术研发和专利布局提供明确的方向指示，从而提高对专利布局的指导效果，也使得专利布局更加符合企业需求。

图8是根据一示例性实施例示出的计算机设备800的结构框图。该计算机设备可以实现为本申请上述方案中的专利布局分析设备。所述计算机设备800包括中央处理单元(Central Processing Unit，CPU)801、包括随机存取存储器(Random Access Memory，RAM)802和只读存储器(Read-Only Memory，ROM)803的系统存储器804，以及连接系统存储器804和中央处理单元801的系统总线805。所述计算机设备800还包括用于存储操作系统809、应用程序810和其他程序模块811的大容量存储设备806。

不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读寄存器(Erasable Programmable Read Only Memory，EPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-OnlyMemory，EEPROM)闪存或其他固态存储器技术，CD-ROM、数字多功能光盘(DigitalVersatile Disc，DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备806可以统称为存储器。

根据本申请的各种实施例，所述计算机设备800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备800可以通过连接在所述系统总线805上的网络接口单元807连接到网络808，或者说，也可以使用网络接口单元807来连接到其他类型的网络或远程计算机系统(未示出)。

所述存储器还包括至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集存储于存储器中，中央处理器801通过执行该至少一条指令、至少一段程序、代码集或指令集来实现上述各个实施例所示的专利布局分析方法中的全部或部分步骤。

图9是根据一示例性实施例示出的计算机设备900的结构框图。该计算机设备900可以实现为上述的专利布局分析设备，比如：智能手机、平板电脑、笔记本电脑、台式电脑、智能手表及电视等。计算机设备900还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，计算机设备900包括有：处理器901和存储器902。

在一些实施例中，计算机设备900还可选包括有：外围设备接口903和至少一个外围设备。处理器901、存储器902和外围设备接口903之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口903相连。具体地，外围设备包括：射频电路904、显示屏905、摄像头组件906、音频电路907和电源908中的至少一种。

在一些实施例中，计算机设备900还包括有一个或多个传感器909。该一个或多个传感器909包括但不限于：加速度传感器910、陀螺仪传感器911、压力传感器912、光学传感器913以及接近传感器914。

本领域技术人员可以理解，图9中示出的结构并不构成对计算机设备900的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在一示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条计算机程序，该计算机程序由处理器加载并执行以实现上述专利布局分析方法中的全部或部分步骤。例如，该计算机可读存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。

在一示例性实施例中，还提供了一种计算机程序产品，该计算机程序产品包括至少一条计算机程序，该计算机程序由处理器加载并执行上述图1或图2任一实施例所示的专利布局分析方法的全部或部分步骤。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。