CN115170353A - 基于大数据处理的知识产权成果转化分析评估系统 - Google Patents

Abstract

本发明提供基于大数据处理的知识产权成果转化分析评估系统，涉及数据处理技术领域。首先通过产品分类模块能够将知识产权产品进行分类，然后通过产品分类模块得到知识产权产品的基础价值，然后通过转化价值确定模块进行转化价值计算，最后通过综合统计模块能够根据产品分类设定模块和转化分类设定模块的设定结果进行综合统计，并计算得到综合转化的评估结果，从而自动化地对知识产权产品进行评价，无需大量的人工介入，提高对知识产权成果转化评估的细致性，使得评估结果能够与实际产生成果价值相匹配，提高评估的有效性。

Description

基于大数据处理的知识产权成果转化分析评估系统

技术领域

本发明涉及数据处理技术领域，尤其涉及基于大数据处理的知识产权成果转化分析评估系统。

背景技术

知识产权是权利人依法就下列客体享有的专有的权利：(一)作品；(二)发明、实用新型、外观设计；(三)商标；(四)地理标志；(五)商业秘密；(六)集成电路布图设计；(七)植物新品种；(八)法律规定的其他客体。企业可以通过自主研发的知识产权进行成果转化进行获利。

随着对知识产权的重视，知识产权产品在企业中的占比越来越重，评估知识产权产品的价值在上市辅导、审计企业财务等方面越来越重要。但现有的技术中，在对知识产权进行成果转化的过程中，通常都是通过人工评估，并且工作量极大，企业很难评估其对于最终的转化获利的影响力，因此对于知识产权的转化价值缺少一种量化评估的方法，因此对于企业端来说很难形象地展示知识产权对公司产生的效益，从而间接性地削弱知识产权对于公司发展的影响力。

发明内容

针对现有技术存在的不足，本发明目的是提供基于大数据处理的知识产权成果转化分析评估系统，通过对知识产权的转化设定一套评估方法，从而自动化地对知识产权产品的价值的转化进行评估，以解决现有的知识产权转化的人工评估工作量大的问题。

为了实现上述目的，本发明是通过如下的技术方案来实现：基于大数据处理的知识产权成果转化分析评估系统，其特征在于，所述评估系统包括产品分类模块、价值确定模块，转化价值确定模块以及综合统计模块；所述产品分类模块用于使用已训练好的CNN网络将知识产权产品进行分类；所述价值确定模块用于使用已训练好的CNN网络对知识产权产品的基础价值进行确定；所述转化价值确定模块用于确定知识产权产品的转化价值；所述综合统计模块用于根据产品分类模块、价值确定模块和转化价值确定模块的处理结果进行综合统计，并计算得到综合转化的评估结果。

所述产品分类模块通过如下步骤获得知识产权产品的分类：

步骤S11，将知识产权产品分为作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型；

步骤S12，根据所述类型从官方网站通过网络爬虫程序爬取每一类型的预定数量的样本；

步骤S13，对所第一样本进行裁剪，获取每一样本的前两页非封面页，所述前两页非封面页为去除封面后的前两页，得到第二样本；

步骤S14，将所述第二样本输入CNN网络进行训练，得到第一训练好的CNN网络，所述第一训练好的CNN网络可以通过文档的前两页非封面页对知识产权产品进行分类；

步骤S15，将待处理的知识产权产品进行裁剪，获取每一样本的前两页非封面页，所述前两页非封面页为去除封面后的前两页，并将结果输入所述第一训练好的CNN网络，得到每一所述知识产权产品的分类结果。

所述价值确定模块通过如下步骤获得知识产权产品的基础价值：

步骤S21，通过网络爬虫爬取上市公司季报、年报、招股书，提取其中知识产权产品部分；

步骤S22，将提取到的知识产权产品输入第三方检索平台，获取相似度前预设值个数的相似度序列；

步骤S23,将所述提取到的知识产权产品的价值、类型以及相应的相似度序列输入第二CNN网络，训练得第第二训练好的CNN网络，所述第二训练好的CNN网络可通过输入知识产权的成果的类型、相似度序列输出评估价值；

步骤S24，将所述待处理的知识产权成果输入第三方检索平台，获取相似度前预设值个数的成果相似度序列，将所述待处理的知识产权成果的类型、成果相似度序列输入所述第二训练好的CNN网络，得到每一知识产权产品的基础价值。

所述转化价值确定模块通过如下步骤确定知识产权产品的转化价值：

步骤S31，通过网络爬虫爬取上市公司年报，提取年报中发生知识产权转化的内容，包括发生转化的知识产权、转化的类型、转化的价值；

步骤S32，通过所述第二训练好的CNN网络以及所述发生转化的知识产权确定出所述发生转化的知识产权的评估价值，将全部评估价值中的每一个以及对应的转化的价值相除，并将所有相除的结果求平均，得到每一种转化方式的转化系数；

步骤S33，根据所有知识产权产品的基础价值以及转化系数确定出每一种转化方式的转化价值。

基础自行转化价值公式配置为：

Jzxz＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a1；

基础转让他人价值公式配置为：

Jzrt＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a2；

基础许可他人价值公式配置为：

Jxkt＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a3；

基础共同实施价值公式配置为：

Jgts＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a4；

基础折算投资价值公式配置为：

Jzst＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a5；

其中，Jzxz为自行转化基础价值，Jzrt为转让他人基础价值，Jxkt为许可他人基础价值，Jgts为共同实施基础价值，Jzst为折算投资基础价值，Jzp为基础作品价值，Jzl为基础专利价值，Jsb为基础商标价值，Jdl为基础地理标志价值，Jsy为基础商业秘密价值，Jjc为基础集成电路价值，Jzw为基础植物新品种价值，Jqt为基础其他类型价值，a1为自行转化系数，a2为转让他人转化系数，a3为许可他人转化系数，a4为共同实施转化系数，a5为折算投资转化系数。

所述综合统计模块配置有实际设定策略，所述实际设定策略包括：分别获取作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的产品的数量，将产品数量与对应的基础产品价值进行相乘得到对应的作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的实际产品价值；

将作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的实际产品价值相加得到产品综合实际价值。

所述综合统计模块配置有综合统计策略，所述综合统计策略包括：将产品综合实际价值代入到实际自行转化价值公式中得到实际自行转化价值；

将产品综合实际价值代入到实际转让他人价值公式中得到实际转让他人价值；

将产品综合实际价值代入到实际许可他人价值公式中得到实际许可他人价值；

将产品综合实际价值代入到实际共同实施价值公式中得到实际共同实施价值；

将产品综合实际价值代入到实际折算投资价值公式中得到实际折算投资价值；

再将实际自行转化价值、实际转让他人价值、实际许可他人价值、实际共同实施价值以及实际折算投资价值相加得到综合转化价值，将综合转化价值除以作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的产品的相加的总数得到综合转化价值指数；

当综合转化价值指数大于等于第一综合转化阈值时，输出高等级综合转化级别；当综合转化价值指数大于等于第二综合转化阈值且小于第一综合转化阈值时，输出中等级综合转化级别；当综合转化指数小于第二综合转化阈值时，输出低等级综合转化级别。

进一步地，所述实际自行转化价值公式配置为：Jszx＝Jzhs^k1；所述实际转让他人价值公式配置为：Jszt＝Jzh×k2；所述实际许可他人价值公式配置为：Jsxt＝Jzh×k3；所述实际共同实施价值公式配置为：Jsgs＝Jzh^k4；所述实际折算投资价值公式配置为：Jszt＝Jzh^k5；其中，Jszx为实际自行转化价值，Jszt为实际转让他人价值，Jsxt为实际许可他人价值，Jsgs为实际共同实施价值，Jszt为实际折算投资价值，Jzh为产品综合实际价值，k1为自行转化增长指数，k2为转让他人价值倍数，k3为许可他人价值倍数，k4为共同实施增长指数，k5为折算投资增长指数。

本发明的有益效果：本发明首先通过产品分类模块能够将知识产权产品进行分类，然后通过产品分类模块得到知识产权产品的基础价值，然后通过转化价值确定模块进行转化价值计算，最后通过综合统计模块能够根据产品分类设定模块和转化分类设定模块的设定结果进行综合统计，并计算得到综合转化的评估结果，从而自动化地对知识产权产品进行评价，无需大量的人工介入，提高对知识产权成果转化评估的细致性，使得评估结果能够与实际产生成果价值相匹配，提高评估的有效性。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明系统的模块原理框图；

图2为本发明的知识产权产品的分类框图；

图3为本发明的转化方式的分类框图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

请参阅图1，基于大数据处理的知识产权成果转化分析评估系统，通过对知识产权的转化设定一套评估方法，从而便于对知识产权的重要性进行评估，以解决现有的知识产权转化的评估方面存在不足的问题。

所述评估系统包括产品分类模块、价值确定模块，转化价值确定模块以及综合统计模块。

所述产品分类模块用于使用已训练好的CNN网络将知识产权产品进行分类，所述产品分类模型通过如下步骤获得知识产权产品的分类：

步骤S11，请参阅图2，将知识产权产品分为作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型；

步骤S12，根据所述类型从官方网站通过网络爬虫程序爬取每一类型的预定数量的样本。

为了训练分类模型，需要大量的样本，而官方的数据是最佳的样本，可以通过国家知识产权局等官方网站下载一定数量的公开文件，并将下载好的分类文件确定为第一样本。

步骤S13，对所第一样本进行裁剪，获取每一样本的前两页非封面页，所述前两页非封面页为去除封面后的前两页，得到第二样本。

由于原始的专利、作品、商标等文档通常有很多页，而专利、作品、商标等文档第一页非封面页(即去除封面后开始计数的第一页)通常为著录项目，可以通过著录项目确定文档的类型；然而企业内部的知识产权产品不一定有著录项目，而官方文档非封面的第二页(即去除封面开始计数的第二页)通常包含了一些特定的文档格式，如对专利而言包含了权利要求书，并且权利要求书有特定的格式，因此可以通过非封面的第二页对没有著录项目的文档进一步确定文档的类型，以便在企业内部的知识产权产品没有著录项目时依然能够正确分类。

步骤S14，将所述第二样本输入CNN网络进行训练，得到第一训练好的CNN网络，所述第一训练好的CNN网络可以通过文档的前两页非封面页对知识产权产品进行分类。

CNN网络即卷积神经网络，目前在样本分类中CNN网络已应用广泛，本发明可以使用任意具有分类功能的CNN网络结构，只要能分类即可，具体结构本发明不做具体限定，通过将样本按照知识产权的类别进行标注，并对CNN网络进行训练，使得CNN网络具有对知识产权产品文档进行分类的能力。

步骤S15，将待处理的知识产权产品进行裁剪，获取每一样本的前两页非封面页，所述前两页非封面页为去除封面后的前两页，并将结果输入所述第一训练好的CNN网络，得到每一所述知识产权产品的分类结果。

在进行实际训练好的模型时，需要要将待分类的数据事先处理成与样本类似的结构，将等处理数据输入训练好的CNN网络中,CNN网络即可给出知识产权产品的分类结果。

所述价值确定模块用于使用已训练好的CNN网络对知识产权产品的基础价值进行确定，所述价值确定模块通过如下步骤获得：

步骤S21，通过网络爬虫爬取上市公司季报、年报、招股书，提取其中知识产权产品部分。

上市公司的季报、年报、招股书中通常会披露企业的产品状态，产品交易情况等，特别是招股书通常有非常详细的产品说明表，因此可以通过上述文档获取相应的知识产权产品的市场价值。

步骤S22，将提取到的知识产权产品输入第三方检索平台，获取相似度前预设值个数的相似度序列。

目前越来越多的知识产权平台提供了快速的知识产权评价接口，如智慧芽等平台能够对专利等进行相似度的检索，并返回相似度较高的专利列表；通常市面上相似度越少的知识产权价值越高，为了能够评价知识产权成果的本发明调用第三平台进行自动化检索，如可以调用第三方API或通过爬虫技术进行自动化提交；在获取到相似度之后，为了方面后继的处理，本发明只需要提取一定数量的相似度即可，如提取前5个相似度(80％，78％，76％，75％，60％)；

步骤S23,将所述提取到的知识产权产品的价值、类型以及相应的相似度序列输入第二CNN网络，训练得第第二训练好的CNN网络，所述第二训练好的CNN网络可通过输入知识产权的成果的类型、相似度序列输出评估价值。

在季报、年报、招股书中知识产权的价值有时是以专利池、商标组等形式出现，一组专利、商标给定一个价格，为了方便处理，此种情况对价格进行求平均以近似地表达每一个产品的价格。

步骤S24，将所述待处理的知识产权成果输入第三方检索平台，获取相似度前预设值个数的成果相似度序列，将所述待处理的知识产权成果的类型、成果相似度序列输入所述第二训练好的CNN网络，得到每一知识产权产品的基础价值。

具体地，得到础作品价值Jzp，基础专利价值Jzl，基础商标价值Jsb，基础地理标志价值Jdl，基础商业秘密价值Jsy，基础集成电路价值Jjc，基础植物新品种价值Jzw，基础其他类型价值Jqt。

由于不同类型的知识产权产品的价值不同，因此根据现有的公开数据训练了两个CNN模型，通过两个CNN模型对已有知识产权成果进行分类和基础价值评估，实现了评估的自动化。

所述转化价值确定模块用于确定知识产权产品的转化价值，所述转化价值确定模块通过如下步骤获得：

请参阅图3，将转化方式通常为自行转化、转让他人、许可他人、共同实施以及折算投资类型。

步骤S31，通过网络爬虫爬取上市公司年报，提取年报中发生知识产权转化的内容，包括发生转化的知识产权、转化的类型、转化的价值；

步骤S32，通过所述第二训练好的CNN网络以及所述发生转化的知识产权确定出所述发生转化的知识产权的评估价值，将所述全部评估价值中的每一个以及对应的转化的价值相除，并将所有相除的结果求平均，得到每一种转化方式的转化系数；

步骤S33，根据所有知识产权产品的基础价值以及转化系数确定出每一种转化方式的转化价值。

具体地：

步骤S331，对自行转化设定基础自行转化价值公式，通过基础自行转化价值公式计算得到自行转化基础价值；所述基础自行转化价值公式配置为：Jzxz＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a1；Jzxz为自行转化基础价值；a1为自行转化系数；

步骤S332，对转让他人设定基础转让他人价值公式，通过基础转让他人价值公式计算得到转让他人基础价值；所述基础转让他人价值公式配置为：Jzrt＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a2；Jzrt为转让他人基础价值；a2为转让他人转化系数；

步骤S333，对许可他人设定基础许可他人价值公式，通过基础许可他人价值公式计算得到许可他人基础价值；所述基础许可他人价值公式配置为：Jxkt＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a3；Jxkt为许可他人基础价值；a3为许可他人转化系数；

步骤S334，对共同实施设定基础共同实施价值公式，通过基础共同实施价值公式计算得到共同实施基础价值；所述基础共同实施价值公式配置为：Jgts＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a4；Jgts为共同实施基础价值；a4为共同实施转化系数；

步骤S335，对折算投资设定基础折算投资价值公式，通过基础折算投资价值公式计算得到折算投资基础价值；所述基础折算投资价值公式配置为：Jzst＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a5；Jzst为折算投资基础价值；a5为折算投资转化系数。

如步骤S331-S335所述，其中，Jzp为基础作品价值，Jzl为基础专利价值，Jsb为基础商标价值，Jdl为基础地理标志价值，Jsy为基础商业秘密价值，Jjc为基础集成电路价值，Jzw为基础植物新品种价值，Jqt为基础其他类型价值，a1、a2、a3、a4、a5根据步骤S32得到的转化系数。

所述综合统计模块用于根据产品分类模块、价值确定模块和转化价值确定模块的处理结果进行综合统计，并计算得到综合转化的评估结果。

步骤S41，根据产品分类模块对知识产权产品进行分类处理，分别获取作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的产品的数量，根据价值确定模块得到对应的作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的实际产品价值；

步骤S42，将作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的实际产品价值相加得到产品综合实际价值。

步骤S43，根据转化价值确定模块得到每一种转化方式的转化系数，将转化系数与产品综合实际价值相乘得到产品综合转化价值。

如步骤S41-S42所述，得到了知识产权的产品综合转化价值。通过上述步骤，对知识产权产品的成果转化进行了综合的评估分析，自动化地得到每一种转化方式的综合转化价值，以极小的人力成本，为知识产权的运营提供数据支撑，为企业上市、融资评估等活动提供参考。

优选地，所述综合统计模块配置有综合统计策略，所述综合统计策略包括如下步骤：

步骤S51，将产品综合实际价值代入到实际自行转化价值公式中得到实际自行转化价值；所述实际自行转化价值公式配置为：Jszx＝Jzhs×k1；Jszx为实际自行转化价值；将产品综合实际价值代入到实际转让他人价值公式中得到实际转让他人价值；所述实际转让他人价值公式配置为：Jszt＝Jzh×k2；Jszt为实际转让他人价值；将产品综合实际价值代入到实际许可他人价值公式中得到实际许可他人价值；所述实际许可他人价值公式配置为：Jsxt＝Jzh×k3；Jsxt为实际许可他人价值；将产品综合实际价值代入到实际共同实施价值公式中得到实际共同实施价值；所述实际共同实施价值公式配置为：Jsgs＝Jzh^k4；Jsgs为实际共同实施价值；将产品综合实际价值代入到实际折算投资价值公式中得到实际折算投资价值；所述实际折算投资价值公式配置为：Jszt＝Jzh^k5；Jszt为实际折算投资价值；如步骤S1所述，其中，Jzh为产品综合实际价值，k1为自行转化增长指数，k2为转让他人价值倍数，k3为许可他人价值倍数，k4为共同实施增长指数，k5为折算投资增长指数。如步骤S41所述，由于自行转化、许可他人、共同实施以及折算投资具备长期收益，因此采用指数正常的计算方式，但是需要限定在一定的周期内，转让他人属于一次性收益，因此采用系数相乘的计算方式；

步骤S52，再将实际自行转化价值、实际转让他人价值、实际许可他人价值、实际共同实施价值以及实际折算投资价值相加得到综合转化价值，将综合转化价值除以作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的产品的相加的总数得到综合转化价值指数。

步骤S53，当综合转化价值指数大于等于第一综合转化阈值时，输出高等级综合转化级别；当综合转化价值指数大于等于第二综合转化阈值且小于第一综合转化阈值时，输出中等级综合转化级别；当综合转化指数小于第二综合转化阈值时，输出低等级综合转化级别。

如步骤S51-S53所述，其中第一综合转化阈值大于第二综合转化阈值，高等级综合转化级别的转化价值高于中等级综合转化级别的转化价值，中等级综合转化级别的转化价值高于低等级综合转化级别的转化价值。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (6)

1.基于大数据处理的知识产权成果转化分析评估系统，其特征在于，所述评估系统包括产品分类模块、价值确定模块，转化价值确定模块以及综合统计模块；

所述产品分类模块用于使用已训练好的CNN网络将知识产权产品进行分类；

所述价值确定模块用于使用已训练好的CNN网络对知识产权产品的基础价值进行确定；

所述转化价值确定模块用于确定知识产权产品的转化价值；

所述综合统计模块用于根据产品分类模块、价值确定模块和转化价值确定模块的处理结果进行综合统计，并计算得到综合转化的评估结果。

2.根据权利要求1所述的基于大数据处理的知识产权成果转化分析评估系统，其特征在于，所述产品分类模块通过如下步骤获得知识产权产品的分类：

步骤S11，将知识产权产品分为作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型；

步骤S12，根据所述类型从官方网站通过网络爬虫程序爬取每一类型的预定数量的样本；

步骤S13，对所第一样本进行裁剪，获取每一样本的前两页非封面页，所述前两页非封面页为去除封面后的前两页，得到第二样本；

步骤S14，将所述第二样本输入CNN网络进行训练，得到第一训练好的CNN网络，所述第一训练好的CNN网络可以通过文档的前两页非封面页对知识产权产品进行分类；

步骤S15，将待处理的知识产权产品进行裁剪，获取每一样本的前两页非封面页，所述前两页非封面页为去除封面后的前两页，并将结果输入所述第一训练好的CNN网络，得到每一所述知识产权产品的分类结果。

3.根据权利要求2所述的基于大数据处理的知识产权成果转化分析评估系统，其特征在于，所述价值确定模块通过如下步骤获得知识产权产品的基础价值：

步骤S21，通过网络爬虫爬取上市公司季报、年报、招股书，提取其中知识产权产品部分；

步骤S22，将提取到的知识产权产品输入第三方检索平台，获取相似度前预设值个数的相似度序列；

步骤S23,将所述提取到的知识产权产品的价值、类型以及相应的相似度序列输入第二CNN网络，训练得第第二训练好的CNN网络，所述第二训练好的CNN网络可通过输入知识产权的成果的类型、相似度序列输出评估价值；

步骤S24，将所述待处理的知识产权成果输入第三方检索平台，获取相似度前预设值个数的成果相似度序列，将所述待处理的知识产权成果的类型、成果相似度序列输入所述第二训练好的CNN网络，得到每一知识产权产品的基础价值。

4.根据权利要求3所述的基于大数据处理的知识产权成果转化分析评估系统，其特征在于，所述转化价值确定模块通过如下步骤确定知识产权产品的转化价值：

步骤S31，通过网络爬虫爬取上市公司年报，提取年报中发生知识产权转化的内容，包括发生转化的知识产权、转化的类型、转化的价值；

步骤S32，通过所述第二训练好的CNN网络以及所述发生转化的知识产权确定出所述发生转化的知识产权的评估价值，将全部评估价值中的每一个以及对应的转化的价值相除，并将所有相除的结果求平均，得到每一种转化方式的转化系数；

步骤S33，根据所有知识产权产品的基础价值以及转化系数确定出每一种转化方式的转化价值。

5.根据权利要求4所述的基于大数据处理的知识产权成果转化分析评估系统，其特征在于，基础自行转化价值公式配置为：

Jzxz＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a1；

基础转让他人价值公式配置为：

Jzrt＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a2；

基础许可他人价值公式配置为：

Jxkt＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a3；

基础共同实施价值公式配置为：

Jgts＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a4；

基础折算投资价值公式配置为：

Jzst＝(Jzp+Jzl+Jsb+Jdl+Jsy+Jjc+Jzw+Jqt)×a5；

其中，Jzxz为自行转化基础价值，Jzrt为转让他人基础价值，Jxkt为许可他人基础价值，Jgts为共同实施基础价值，Jzst为折算投资基础价值，Jzp为基础作品价值，Jzl为基础专利价值，Jsb为基础商标价值，Jdl为基础地理标志价值，Jsy为基础商业秘密价值，Jjc为基础集成电路价值，Jzw为基础植物新品种价值，Jqt为基础其他类型价值，a1为自行转化系数，a2为转让他人转化系数，a3为许可他人转化系数，a4为共同实施转化系数，a5为折算投资转化系数。

6.根据权利要求5所述的基于大数据处理的知识产权成果转化分析评估系统，其特征在于，所述综合统计模块通过如下步骤进行综合统计：

步骤S41，根据产品分类模块对知识产权产品进行分类处理，分别获取作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的产品的数量，根据价值确定模块得到每一作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的实际产品价值；

步骤S42，将作品、专利、商标、地理标志、商业秘密、集成电路、植物新品种以及其他类型的实际产品价值相加得到产品综合实际价值。

步骤S43，根据转化价值确定模块得到每一种转化方式的转化系数，将转化系数与产品综合实际价值相乘得到产品综合转化价值。

Images