冈珀兹曲线模型在专利发展趋势预测中的应用

doi:10.11925/infotech.1003-3513.2009.11.12

现代图书情报技术

2009, Vol. 25

Issue (11): 59-63 https://doi.org/10.11925/infotech.1003-3513.2009.11.12

情报分析与研究

本期目录 | 过刊浏览 | 高级检索

冈珀兹曲线模型在专利发展趋势预测中的应用

唐田田¹ 刘平¹张鹏¹葛富斌² 李明²

¹(国家知识产权局专利局电学发明审查部北京 100088)
²(国家知识产权局专利局自动化部北京 100088)

Application of Gompertz Curve Model in the Patent Trend Forecast

Tang Tiantian¹ Liu Ping¹Zhang Peng¹Ge Fubin² Li Ming²

¹(The Electricity Examination Department, The State Intellectual Property Office, Beijing 100088, China)
²(The Automation Department, The State Intellectual Property Office, Beijing 100088, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (617 KB)
输出: BibTeX | EndNote (RIS)

摘要

介绍专利分析系统中预测技术的现状，分析冈珀兹曲线模型在专利分析系统中的适用原因，并使用两个具体的实例来验证冈珀兹曲线模型，最后给出不同技术生命周期阶段的相应专利策略供用户参考。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	姜莹

关键词 ：专利分析, 冈珀兹曲线, 预测

Abstract：

This paper introduces the current status of forecast technology in patent analysis system firstly. Then it analyzes the reasons why the Gompertz Curve Model can be used in the patent analysis system and uses two specific examples to validate the Gompertz Curve Model.Finally, it provides the the corresponding patent strategy in different technology life cycle for the user’s reference

Key words： Patent analysis Gompertz curve Forecast

收稿日期: 2009-09-22 出版日期: 2009-11-25

G306

通讯作者: 唐田田 E-mail: tangtiantian@sipo.gov.cn

作者简介: 唐田田,刘平,张鹏,葛富斌,李明

引用本文:

唐田田,刘平,张鹏,葛富斌,李明. 冈珀兹曲线模型在专利发展趋势预测中的应用[J]. 现代图书情报技术, 2009, 25(11): 59-63.
Tang Tiantian,Liu Ping,Zhang Peng,Ge Fubin,Li Ming. Application of Gompertz Curve Model in the Patent Trend Forecast. New Technology of Library and Information Service, 2009, 25(11): 59-63.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2009.11.12 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2009/V25/I11/59

［1］ Aureka［EB/OL］.［2009-11-19］.http://thomsonreuters.com/products_services/legal/legal_products/intellectual_property/Aureka.
［2］ Delphion Research Intellectual Property Network ［EB/OL］.［2009-11-19］.http://www.delphion.com/.
［3］ Thomson Data Analyzer ［EB/OL］.［2009-11-19］.http://thomsonreuters.com/.products_services/legal/legal_products/intellectual_property/Thomson_Data_Analyzer.
［4］北京东方灵盾科技有限公司［EB/OL］.［2009-11-19］.http://www.eastlinden.com/.
［5］肖国华.专利地图研究与应用［D］.成都：四川大学, 2006.
［6］ Zhao S, Wei G W.Jump Process for the Trend Estimation of Time Series［J］.Computational Statistics and Data Analysis, 2003,42(1-2):219-241.
［7］陈燕,黄迎燕，万建国.专利信息采集与分析［M］.北京：清华大学出版社，2006.
［8］王锋.铁路集装箱结点站无线射频识别技术的应用研究［D］.北京：清华大学，2008.
［9］ Baranowitz S A, Salthe S N, Maderson P F A.The Use of the Gompertz Curve in an Analysis of the Dynamics of Lizard Tail Regeneration［J］. Theoretical Biology, 1977, 65(2): 267-279.
［10］ WIPO Reformed IPC:Internet Publication［EB/OL］.［2009-10-23］.http://www.wipo.int/classifications/ipc/ipc8/?lang=en.
［11］陆璇. 数理统计基础［M］. 北京：清华大学出版社，2006.

[1]	陈东华,赵红梅,尚小溥,张润彤. 数据驱动的大型医院手术室运营预测与优化方法研究*[J]. 数据分析与知识发现, 2021, 5(9): 115-128.
[2]	单晓红,王春稳,刘晓燕,韩晟熙,杨娟. 开放式创新社区领先用户识别——知识基础观视角*[J]. 数据分析与知识发现, 2021, 5(9): 85-96.
[3]	车宏鑫,王桐,王伟. 前列腺癌预测模型对比研究*[J]. 数据分析与知识发现, 2021, 5(9): 107-114.
[4]	刘渊晨, 王昊, 高亚琪. 在线音乐歌单播放量预测及影响因素分析^*[J]. 数据分析与知识发现, 2021, 5(8): 100-112.
[5]	苏强, 侯校理, 邹妮. 基于机器学习组合优化方法的术后感染预测模型研究^*[J]. 数据分析与知识发现, 2021, 5(8): 65-75.
[6]	徐良辰, 郭崇慧. 基于集成学习的胃癌生存预测模型研究^*[J]. 数据分析与知识发现, 2021, 5(8): 86-99.
[7]	张鑫,文奕,许海云. 一种融合表示学习与主题表征的作者合作预测模型^*[J]. 数据分析与知识发现, 2021, 5(3): 88-100.
[8]	徐雅斌, 孙秋天. 特定舆情的意见领袖挖掘和关键传播路径预测[J]. 数据分析与知识发现, 2021, 5(2): 32-42.
[9]	吴胜男, 蒲虹君, 田若楠, 梁雯琪, 于琦. *网络结构对链路预测算法的影响研究——基于元分析视角**[J]. 数据分析与知识发现, 2021, 5(11): 102-113.
[10]	余传明, 张贞港, 孔令格. 面向链接预测的知识图谱表示模型对比研究^*[J]. 数据分析与知识发现, 2021, 5(11): 29-44.
[11]	丁浩, 艾文华, 胡广伟, 李树青, 索炜. 融合用户兴趣波动时序的个性化推荐模型^*[J]. 数据分析与知识发现, 2021, 5(11): 45-58.
[12]	蒋翠清,王香香,王钊. 基于消费者关注度的汽车销量预测方法研究*[J]. 数据分析与知识发现, 2021, 5(1): 128-139.
[13]	柴国荣,王斌,沙勇忠. 基于多机器学习方法联合的公共卫生风险预测研究——以兰州市流感预测为例*[J]. 数据分析与知识发现, 2021, 5(1): 90-98.
[14]	张思凡,牛振东,陆浩,朱一凡,王荣荣. 基于图卷积嵌入与特征交叉的文献被引量预测方法：以交通运输领域为例^*[J]. 数据分析与知识发现, 2020, 4(9): 56-67.
[15]	李纲, 管为栋, 马亚雪, 毛进. 学术论文的社交媒体可见性预测研究*[J]. 数据分析与知识发现, 2020, 4(8): 63-74.

Viewed

Full text

Abstract

Cited

Shared

Discussed