以掃地機器人為例專利分析的全過程

你好,我是ptenson,專利金搜索分析師。今天,我將繼續與大家分享利用客戶進行專利分析的經驗。

上一次,我們建立了一個初步的完整數據庫,但我們沒有驗證完整數據庫的召回率。實際上,在檢索過程中,需要根據檢索結果進行調整。當然,在專利分析中,數據越全面越好。然而,數據越全面,用于檢索和篩選的時間、人力和物力就越高??紤]到實際情況,召回率一般在90%以上,因此可以終止檢索。

為了準確計算召回率,我們通常需要建立一個搜索數據庫,其中專利數量應占清掃機器人所有專利的5-10%左右。一般以行業內具有代表性的重要公司的相關專利作為認定標準。經過初步調查,我已經向國內一線品牌科沃思機器人、生產掃地機器人的海外知名企業iRobot、小家電領域的領軍企業美的、互聯網品牌小米以及一些二線品牌如迪貝、富馬特等申請了739項專利。以上公司具體申請量如下:

在分類器中,我們將檢查數據庫中標記的顏色。我們知道分類器中的標簽是全局的,即在某個節點下的專利被標記后,其他節點下的專利也有相同的標簽。通過檢查數據庫中標簽的顏色,我們可以計算出在其他節點下專利與顏色標簽的比例。

然后將鼠標懸停在初步搜索集上,顯示標記級別為1的專利數為606。召回率=606/739=82%。

一般來說,召回率應該在90%以上,而初步搜索集的召回率為82%,因此需要對檢索進行調整。因此,我們需要回顧一下漏檢的原因。

首先,在初步的檢索中,引入分類器的檢索集,根據相關度重新標記水平。因為只有四種檢索類型,所以我們對應四個檢索集。我們將最高相關度標記為標記4,從1開始,依次標記。這是因為后一個標記將覆蓋前一個標記,所以最相關的標記是4,需要最后一個標記,以確保標記4的專利是最準確的。

通過標記級別,我們可以快速查看搜索集中哪些專利尚未檢索到。通過研究尚未檢索到的專利,我們可以修改以前的搜索公式。

我們可以看到a47l1(窗戶清潔)是之前排除的分類號。通過本節點下的專利發現研究:

也就是說,可以同時清潔玻璃和地板的機器人被淘汰了。也可以看出,除了a47l(家用洗滌或清洗(刷入a46b;大量瓶或其他同類型中空物入b08b9/00;洗衣入d06f);通用吸塵器(一般清洗入B08)外,還有大量分類號。由于分類號的數量龐大,在初步檢索過程中,很多分類號實際上是漏掉的,但涉及的分類號太大,很難一一列舉。