Technologiefrüherkennungsplattform

Prognose von Patentanmeldungen

In den ersten drei Artikeln unserer Serie zur Technologiefrüherkennungsplattform (TIP) haben wir Technologiesektoren und ihre Evolution untersucht, wobei wir uns auf Zukunftstechnologien und die Rolle Europas als Treiber für modernste Innovationen konzentriert haben. Durch die Nutzung von PATSTAT-Daten und ihre Kombination mit den Datenverarbeitungs- und Visualisierungsmöglichkeiten der TIP lieferten die zugehörigen Notizbücher wertvolle Einblicke in die Entwicklung der Technologiebereiche. Diese Analysen zeigten in Form von Visualisierungen zur Unterstützung von Entscheidungsträgern und Stakeholdern Zukunftstechnologien auf.

Abb. 1: 5-Jahres-Prognose (2023 bis 2027) für eingereichte Anmeldungen aus EPA-Mitgliedstaaten. Die BIP-Werte der Mitgliedstaaten werden in der Trainingsphase des Algorithmus berücksichtigt.

In dieser Auflage behandeln wir Zeitreihenprognosen für Patente. Durch Einbeziehung externer Bibliotheken und Nutzung von Open-Source-Modellen generieren wir anhand historischer Anmeldungen und Wirtschaftsdaten mathematische Prognosen der Anmeldeaktivitäten. Dieser Artikel wird von zwei Notizbüchern begleitet, die nacheinander zu lesen sind. Siehe Abschnitt "Weitere Informationen" unten auf dieser Seite.

DataLoading

Das erste Notizbuch DataLoading behandelt die Datenvorbereitung und vorläufige Analyse. Es lädt drei wichtige Datensätze: PATSTAT, EPA und das Geographic Dataset, das die Anmelder nach Region (USA, Republik Korea, EPA-Mitgliedstaaten, Volksrepublik China und Japan) in Kategorien einteilt. Patent- und geographische Daten werden mit wirtschaftlichen Indikatoren als exogene Faktoren für die Modellierung kombiniert. Die Datenvisualisierungstools der TIP dienen zur Hervorhebung von Trends, saisonalen und strukturellen Mustern, einschließlich der Korrelation zwischen BIP und der Zahl der Anmeldungen.

N-BEATS

Das zweite Notizbuch, N-BEATS, setzt ein Deep-Learning-Modell für Zeitreihenprognosen nach dem Stand der Technik um. Es beschreibt die Einrichtung des Modells, sein Training und die Integration exogener Variablen wie des BIP für verschiedene Prognosezeiträume. Anhand von Leistungskennzahlen und Visualisierungen werden die Richtigkeit und Relevanz der Vorhersagen des Modells bewertet.

Die beiden Notizbücher sollen keine endgültigen Schlussfolgerungen zu zukünftigen Anmeldetrends liefern, sondern als fortschrittliche Zeitreihenanwendungen innerhalb der TIP dienen. Die Leserinnen und Leser werden ermutigt, das Repository zu klonen, die Notizbücher zu studieren und ihre eigenen Analysen anzustellen.

Schlagwörter: Datenverarbeitung, Visualisierung, Patentdatenanalyse