Modele de rol

Les modèles de logit classés par classement (ROL) pour les données de classement. Les modèles ROL sont des extensions des modèles Luce en incorporant des covariables. Notre analyse a porté sur l`examen des chiffres de référence pour quatre séries primaires de brevets: (i) un ensemble de tous les brevets délivrés à partir de 2005-2014, (II) un ensemble de brevets plaidés de la même période, (III) un ensemble de brevets du marché négocié qui ont été vendus à partir de 2009-2014 et IV) les brevets représentatifs des emballages de brevets brevetés. Les résultats ont été frappants; les brevets vendus (set III) et représentatifs (ensemble IV; p. ex. le brevet mis en évidence par les courtiers en paquets) avaient des citations exponentiellement plus avancées que le large ensemble de brevets délivrés (Set i). Else: le nombre de revendications indépendantes de l`échelle Rank donc signifie que les revendications ne comptent que pour 10% d`une revendication. Source: Richardson Oliver Law Group LLP – http://www.richardsonoliver.com/4000 lb capacité à 12-13/16 “Lift 6000 lb capacité à 6″ Lift 6 “x 2″ roues licence: Creative Commons attribution-Sharesimilaires 4,0 international (CC BY-SA 4,0) où recherchez-vous de meilleurs brevets? Nous croyons que les brevets qui sont achetés et vendus reflètent mieux les brevets plus susceptibles de répondre aux besoins de l`entreprise. Nous avons commencé avec notre base de données de suivi de plus de 7B $ de brevets que les entreprises essaient de vendre, ou ont vendu. Nous avons également examiné les caractéristiques des brevets qui avaient été plaidés. FOB: Midwest entrepôt whisks inventaire d`une zone à l`autre et se plie et les nids soigneusement quand vous avez terminé. Commençons par préciser que ces métriques doivent être combinées en fonction de facteurs de pondération pour créer un score total équilibré.

Tout en faisant cela, il y avait deux considérations majeures. Un système correctement pondéré devrait créer un large écart de classement entre les brevets intéressants et inintéressants, mais il devrait également utiliser un mélange des métriques afin de donner une perspective plus arrondie. Nous avons limité le coefficient de pondération pour chaque métrique à 10-à-60%. Nous avons ensuite maintes fois classé des ensembles de brevets aléatoires et des ensembles de valeur connus avec plus de 400 différentes possibilités de facteurs de pondération. En comparant les possibilités qui avaient la plus grande propagation entre les rangs de brevet médian de chaque ensemble, nous avons pu voir les tendances. Nous avons calculé la moyenne des 10 principales possibilités de pondération pour obtenir nos facteurs de référence, puis nous avons légèrement ajusté ces éléments lors d`un examen manuel. Ajuster les modèles logit classés par rang pour le jeu de données et renvoyer un objet MLE. Les méthodes standard sur MLE (par exemple, @coef, @vcov) s`appliquent. Par défaut, le terme d`interception est inclus. Nous avons ensuite testé ce classement en examinant environ 5000 brevets choisis au hasard avec des dates d`émission de 2005-2014 et nous avons examiné la répartition du nouveau facteur de classement.

En particulier, ce facteur de classement ne fera qu`abaisser le rang de ~ 12-13% des brevets. Toutefois, nous savons que le nombre de revendications indépendantes n`est pas suffisant si, par exemple, toutes les revendications indépendantes sont formées en tant que revendications de fonction plus (35 USC § 112 (f)). Au moins aux États-Unis, compte tenu de la présente jurisprudence, ces revendications ont généralement moins de valeur pour nos clients. Pourquoi faire avancer les citations? Pourquoi ne pas réclamer la longueur ou un certain nombre d`autres facteurs? Nous croyons que les citations à terme sont une procuration pour les investissements R&D à l`échelle de l`industrie dans un domaine technologique. Avec plus d`investissement, il y a généralement plus de produits.

Comments are closed.