基于粗糙集的高科技企业专利管理决策方法研究

基于粗糙集的高科技企业专利管理决策方法研究
基于粗糙集的高科技企业专利管理决策方法研究
【摘要】目前以创新为导向的高科技企业的专利管理多呈现出无组织、松散、随机、主观、数量驱动的特点，多数企业没有一个清晰的、明确的战略来发展一个相关的专利组合，主要是基于人为主观经验来管理和维持，随着专利数量的增加，专利管理的难度、复杂度也随之增大，影响因素也越来越难以控制。

本文将粗糙集理论与企业专利管理决策相结合，应用粗糙集理论的分辨矩阵算法对干扰决策冗余的知识进行约简，去粗取精，获取决策知识，即决策规则，探索一种可利用信息化手段自适应决策的管理方法，克服了由专利数量增大，所带来的专利管理决策困局。

粗糙集理论是由波兰数学家Pawlak Z于1982年提出的，它是从数据中获取知识的一种新的数学工具，其主要思想是在保持分类能力不变的前提下通过知识约简，导出问题的决策或分类规则。

【关键词】粗糙集专利战略决策
专利如今已经成为创新导向型公司保持核心竞争力最有效的工
具之一，申请专利保护的作用已经从开始的防止他人侵权，保护智力成果，获取“诉讼费用”转变为“战略投资”，成为一种经验手段。

因此，那些重视专利战略、重视专利优化管理的企业，往往重视专利组合，针对一个具体的产品形成了由相关的一系列专利组成的专利簇、专利池，发挥系统优势，占据了行业领导地位。

由于专利簇、专利池的专利经营战略，照成专利的拥有飞速增长，如IBM公司、苹果公司以及国内的华为等公司，拥有多达上万个活跃专利，上千个待申请专利，以往基于经验的管理方法已不能满足现有需要。

如何高效管理专利，利用信息化手段，利用计算机算法，发掘专利内在影响规律，进行自适应管理是多数高科技企业急需的。

粗糙集（Rough sets）理论是波兰数学家Pawlak Z于1982年提出，应用于处理模糊、不精确的分类问题，从数据中获取知识的一种新的数字挖掘工具。

粗糙集主要思想是在保持分类能力不变的前提下
通过知识约简，导出问题的决策或分类规则，该理论已被成功地应用于机器学习、决策分析、过程控制、模式识别与数据挖掘领域。

本文将粗糙集理论与企业专利管理决策相结合，应用粗糙集理论的分辨矩阵算法对干扰决策冗余的知识进行约简，去粗取精，获取决策知识，即决策规则，探索一种可利用信息化手段自适应决策的管理方法，克服了由专利数量增大，所带来的专利管理决策困局。

因此将利用问卷调查的方法收集数据，应用粗糙集理论对其进行数据分析，获取专利管理决策依据，找出专利管理中的主要影响因素，忽略不重要因素，从而降低管理成本，提高管理效率。

一、粗糙集介绍与粗糙集决策方法
（一）粗糙集的基本概念
信息系统。

信息系统可用一个四元序组表示：S=（U，R，V，f），U={x1，x2，…xn}为论域；R={r1，r2，...，rn}是条件属性集；Vr 为属性r的值域表示属性r的取值范围，例如属性r表示对象大小，那么Vr可取值为{大，中，小}；f：U×R→V为一个信息函数，用于确定U中每一个对象x的属性值。

不可分辨关系。

对任给属性集，不可分辨关系IND（B）定义为：对象 xi，xj∈U，对b∈B，如果满足b（xi）=b（xj），则称对象xi，xj对于属性集B不可分辨。

IND（B）的等价类称作B中的基本集，表示最小不可识别对象集，体现该信息系统最高的辨别能力。

每个等价类中的对象在属性集B下是不可分辨的。

属性核和约简。

核与约简是粗糙集理论的两个基本概念。

当属性集B是独立的，B A且Ind（B）=Ind（A），则称B是A的约简。

显然A的约简往往不是唯一的，A 的约简记作red（P）。

A中所有不可省略属性的集合称为A的核。

核与约简有以下关系：core（P）=∩red （P）。

核主要有两个作用：作为约简计算的基础；是信息系统中必需的属性。

属性的相对核和约简。

P和Q是U的两个属性子集，当PosIND （P）（IND（Q））=posIND（P-{a}）（IND（Q）时，称r∈P为P中Q 可省略的属性。

否则，r为P中Q不可省略。

当P中每个r 都是Q不可省略的，则称P是对于Q独立的。

定义相对约简：如果S是P的Q独
立子集，且poss（Q）=posP （Q），则称子集SP为P的Q简化。

P中所有Q不可省略属性称为P的Q核。

相对核与相对约简有如下关系：coreQ（P）=∩redQ（P）。

（二）基于分辨矩阵的属性约简过程
定义1 ：设系统的分辨矩阵为M（s）=[mij]n×n ，其i行j列处的元素为
mij= i，j=1，2，…，n （1-1）
C={ai/i=1，2，…，m}和D={d}分别为条件属性集和决策属性集，ak（xj）是样本xj在属性ak上的取值。

定义2 信息系统S =（U，R，V，f）的分辨函数为：
（1-2）
它是（Vmij）的合取，（Vmij）是矩阵项中mij各元素的析取。

分辨矩阵算法的属性约简过程：①根据公式（2-1）可得信息系统S的分辨矩阵M（S）；②计算分辨矩阵M（S）对应的分辨函数，计算分辨函数的最小析取范式，其中每个析取分量对应一个约简。

（三）粗糙集处理的基本步骤
收集和整理数据，组成信息表；属性约简，根据预处理后的数据信息表生成区分矩阵，利用分辨矩阵与分辨函数生成约简属性集；选取约简属性后的信息表，对每个规则求出其核属性，得到各规则的核值，根据核值表产生决策规则。

二、以桂林市高新区八家高科技企业为例
（1）收集和整理数据，组成信息表。

将“专利技术关键程度”，“寻求替代技术方案的难度”、“侵权的监控难易程度”、“技术可使用寿命”、“专利年龄”、“专利是否在其它行业拥有显著而独特的应用”，“专利是否支持一种关键技术战略或产品差异化”，“专利是否对行业里的其它公司有用”，分别记作条件属性R={ R1 ，
R2 ， R3 ， R4 ， R5 ， R6，R7， R8} ，企业专利管理程度为D 集合，集合元素都分别用3，2，1分别表示评价状态，具体内容见表1。

随机抽取桂林市高新区8家企业进行调查，调查采取问卷形式。

调查结果如表1所式。

表1 专利评分标准
表2 专利管理调查信息表
（2）根据公式（1-1），建立分辨矩阵如下：
根据公式（1-2）可得分辨函数：
FM=（R3∨R5∨R6∨R8）∧（R1∨R2∨R4∨R5∨R6∨R7∨R8）∧（R1∨R2∨R3∨R4∨R6∨R7）∧（R2∨R3∨R5∨R6∨R7∨R8）∧（R1∨R2∨R3∨R4∨R8）∧（R1）∧（R1∨R3∨R5∨R6∨R8）∧
（R1∨R2∨R3∨R5∨R6∨R7∨R8）∧（R1∨R2∨R3）∧
（R1∨R2∨R3∨R5∨R6∨R8）∧（R1∨R3∨R5∨R6∨R7∨R8）∧
（R1∨R2∨R4∨R5∨R7）∧（R2∨R3∨R5∨R6∨R7）∧
（R1∨R4∨R5∨R6∨R7∨R8）∧（R1∨R2∨R3∨R4∨R5∨R6∨R7∨R8）∧（R3∨R4∨R5∨R6∨R7∨R8）∧（R1∨R2∨R3∨R4∨R5∨R6∨R8）∧（R1∨R2∨R3∨R4∨R5∨R7∨R8）∧（R1∨R2∨R3∨R4∨R7∨R8）∧（R2∨R3∨R4∨R5∨R6∨R8）
=（R1∧R2∧R8）∨（R1∧R7∧R8）∨（R1∧R3）∨（R1∧R5）∨（R1∧R6）
计算分辨函数的最小析取范式，其中每个析取分量对应一个约简。

则{R1，R2，R8}，{R1，R7，R8}，{R1，R3 }，{R1，R5 }，{R1，R6}都可以作为约简后的属性。

（3）选取{R1，R2，R8}来进行规则挖掘，生成核值表。

表3属性约简表
表4核值表
（4）根据核值表得到决策规则：①（R2，1）∧（R8，2）∨（R1，1）→（D，1），即寻求替代方案的难度很简单时，且专利对行业里的其它公司很少用时时，或者专利所涉及的关键技术不是很关键时，专利组合价值为差；②（R1，1）∧（R8，3）∨（R2，2）∧（R8，2）→（D，2），即专利技术不是关键技术但是专利对行业里的其它公司很有用时，或者寻求替代技术方案的难度为一般且专利是否对行业里的其它公司一般有用时，专利组合价值为一般。

（R1，2）∧（R2，3）∨（R1，3）∧（R2，1）∨（R8，3）→（D，3），即专利技术关键程度一般且寻求替代技术方案的难度很大时，或专利技术很关键且替代方案很简单时，或专利对行业里的其它
公司很有用时，专利组合价值为为优。

三、结论
本文利用粗糙集理论，提出了一种更为客观的专利管理决策方法，克服了人为主观因素干扰，提高了决策的效率与准确性。

得出了专利组合价值最优的三种决策规则：①专利技术关键程度一般且寻求替代技术方案的难度很大时；②专利技术很关键且替代方案很简单时；③专利对行业里的其它公司很有用时。

因此可以根据，以上规则进行专利优化组合，取得最大的价值。

从中可以看出影响专利组合价值的胁迫因子主要是：“专利技术关键程度”、“寻求替代技术方案的难度”和“专利是否对行业里的其它公司有用”，所以专利管理的重点应该放在这三个方面。

参考文献：
[1]吴今培，孙德山.现代数据分析[M].北京：机械工业出版社，2006.
[2]张文修，吴伟志等.粗糙集理论与方法[M].北京：科学出版社，2001.
[3]夏火松.数据仓库与数据挖掘技术[M].北京：科学出版社，2001.
[4]由文辉.生态住宅的建设内容和过程管理[J].上海住宅，2005.
[5]韩子荣，连玉明.中国社区发展模式[M].北京：中国时代经济出版社，2005.
------------最新【精品】范文。