
把握专利大数据 德高行开启知识产权服务新时代
伴随着互联网大数据时代的来临,知识产权服务业也迎来改变的“春天”,在整个市场专利申请服务需求激增,知识产权服务模式急需变革的当下,知识产权解决方案供应商,也就是我们所说的专利申请代理机构,纷纷寻找应对策略,德高行就是其中之一。
专利大数据应用化,专利领先指数
长久以来,专利对普通大众来说都是一件非常遥远的事情,然而我们生活中的发明创造却又离不开专利申请。
为了让更多的人了解专利,也为了让专利信息的商业应用扩大化,德高行根据《TechGlory》专利分析系统,进一步开发出基于专利深层信息的上市公司股价预测模型——专利领先指数,使专利大数据研究为核心的系列化应用产品的面世成为可能。
据了解,专利领先指数可以针对中国大陆上交所与深主板、中小板、创业板的所有A股,通过专利大数据的指标萃取加工及演算,建构出以专利指标预测股价的股价预测方程式,根进而计算出每个公司的预测股价,再选出投资潜力最佳的100个样本股所构成。其中的股价预测方程式,是德高行(北京)科技有限公司自主独立开发,其演算法核心采取2003年诺贝尔奖的经济学模型,通过严格的统计检定,置信区间达到95%。
通过专利领先指数,投资人在股市中能够更容易找出高增长潜力的珍珠股,以提升投资效益,这是德高行将专利大数据系统性应用化的一次新尝试,也是把专利从专利圈子向外推向股票证券圈子的一项跨领域新产品,可以说,专利领先指数的研发,扩大了专利对社会整体的影响力,一定程度上整合了产业资源,对提升大众对知识产权和专利申请及应用的认知起到了推动作用。
另辟蹊径做C2C两端用户平台
德高行的专利大数据服务,不止体现在专利领先指数这样的跨领域研发上,根据目前互联网的发展趋势,德高行将互联网和专利申请结合起来,另辟蹊径,构建C2C模式的专利申请电商平台——专专网,从上线起就备受业界关注。
要知道,目前多数代理机构都在尝试用互联网模式来升级线下传统业务,但大都表现出将原有内容简单搬到线上,尤其是自营型电商,专家方服务方依然是由代理机构作为主体在线上提供服务,分配给申请方客户被动接受线上分配的代理人服务,没有选择代理人的余地,这也是B2C平台普遍存在的弊端。
专专网作为精准把握专利大数据服务方向研究下诞生的产品,专注两端用户体验,使申请方和专家方在专利申请时实现了双向自主选择,改善了申请方在专利申请中的被动地位,同时利用了共享经济模式的特点,提升了专利专家对平台服务的参与度和回报价值。
两端都是“C”的C2C和B2C模式最大的不同,就于它的平台模式构建起两端用户多渠道的沟通桥梁。B2C模式作为传统知识产权服务于互联网简单结合的产物,其本质还是由申请方同代理机构的沟通,而C2C模式的专专网则突破了传统申请方式的桎梏,轻轻松松实现了线上线下双结合,多渠道跨领域沟通,德高行正是借此正在向一家互联网形态的以知识产权信息数据服务为核心的新锐企业蜕变。
专专网和专利领先指数作为德高行在互联网+&互联网2.0时代的研究成果,对整个知识产权行业的变革起到的推动作用的至关重要的,这两项研究成果,将亮相于9月15-16日在北京国家会议中心举办知识产权界年度盛会——2015年(PIAC)中国专利信息年会,德高行包括资深知识产权专家、专利代理人及分析师等在内的专业人才团队,将和来自全国的业界人士共同探讨信息时代下知识产权的发展之路。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25