您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[美国智库]:2024美国专利质量的政策报告 - 发现报告
当前位置:首页/行业研究/报告详情/

2024美国专利质量的政策报告

AI智能总结
查看更多
2024美国专利质量的政策报告

政策报告 美国的专利质量: 对政策制定者的调查结果和建议 #128974 2024年9月 AniHarutyunyan,MatthewChervenak,MarkSchankerman,WilliamMatcham,NishantShrestha 执行摘要 背景 关于美国专利质量的辩论历来集中在这样一个观点上:美国专利与商标局(USPTO)放过了太多所谓的“低质量专利”。然而,“好专利”的拒绝更为普遍。作者希望通过呈现美国专利质量更加清晰和细致的画面,促进一种更为平衡和基于事实的政策对话。 Methodology 在本报告中,“质量”的定义与美国专利商标局(USPTO)采纳的法定定义一致。根据这一定义,专利必须满足 《美国法典》第35标题中规定的四项要求。 第101条:满足专利主题资格的标准第102章:小说 第103节:不明显 第112条:清楚和充分地声明和描述 作者的分析集中在两种类型的错误上。Type1错误发生在专利申请被授予授权时,尽管该申请包含了无效的主 张。Type2错误发生在包含有效主张的专利申请被不当驳回时。 作者使用三种不同的方法来衡量专利质量:分析整体专利申请池、分析随机抽取的专利申请样本以及分析提交给多个专利局的专利申请。 关键发现 USPTO的1类错误率为个位数(低于9%),相对于世界各地的其他专利局而言,错误率较低。 •美国专利商标局(USPTO)的II类错误率显著高于I类错误率。分析表明,USPTO更频繁地驳回有效申请而非批准无效申请。 •由于存在选择偏差,美国专利试用和上诉委员会(PTAB)和地方法院的专利无效率并不能准确反映美国的专利质量。 Conclusion 使用三种不同的方法论和数据集,本报告反驳了关于“劣质专利”危机困扰美国专利系统的主张。第一类错误(Type1错误)很少发生,美国专利商标局(USPTO)授予专利的错误率低于全球同行。相比之下,第二类错误(Type2错误)的发生频率高于第一类错误。尽管如此,在美国的政策讨论中,人们往往主要关注第一类错误,而忽视了两种错误都会对创新造成负面影响这一事实。政策辩论应考虑到这些现实情况。 Recommendations •政策制定者必须认识到Type1错误和Type2错误之间存在权衡。减少Type1错误的发生率很可能会导致Type2错误增加,反之亦然。专利政策应寻求在Type1和Type2错误之间取得有效的平衡,并考虑其对创新的影响。 •美国专利商标局(USPTO)应生成更多数据以支持政策决策。这包括发布更详细的、按技术领域细分的合规度指标数据,包括类型1和类型2错误的数据。 •美国专利商标局(USPTO)应与独立第三方签订合同,每年对代表性样本的专利申请进行随机审查。 •美国专利商标局应支持在各个专利局之间开展比较分析,并评估全球专利质量。 Contents 执行摘要2 1.基于专利审查质量的专利质量5 2.专利质量测量6 2.1.基于总体人口的专利质量:使用经济建模和机器学习估计误差率7 2.2.基于随机审查的专利质量:USPTO质量指标分析11 基于多办公室提交的专利申请的专利质量:主要全球专利办公室的比较研究16 3.专利质量不能用专利无效率来衡量20 4.结论25 5.讨论和政策建议27参考文献30 作者32 致谢33 Section1 质量 基于专利审查质量的专利 一个“低质量”的专利,相比之下,是指授予一项未能满足这些法定标准之一的发明的专利。 需要注意的是,专利的质量,如前所定义,与它的经济或社会价值之间存在明显的区别,后者也被许多研究称为质量。例如,经济合作与发展组织(OECD)的一份政策论文(Squicciarini等,2013)将专利质量定义为其技术和经济价值,并提出了一系列指标来衡量,包括专利范围、家 这份报告通过评估美国专利商标局(USPTO)的专利审查效果来评估美国的专利质量。 族规模、引文次数(正向和反向)、以及续展情况。最近 ,Higham等人(2021)的文章列出了经济学文献中提出的广泛指标,用于衡量专利的价值。 本报告中的分析假设了专利可专利性的法定和司法标准,并估计专利局授予不符合现有可专利性标准的专利的频率 ,以及未能授予符合这些标准的专利的频率。 从评估美国专利商标局(USPTO)效果的角度来看,本报告中使用的相关质量概念是专利的法定定义。 1 通过USPTO。 “ 美国专利商标局认为高质量的专利是在发行时符合 《标题35》的所有要求以及当时的相关判例法要求的专利。 在这个定义下,专利质量就是能力’’ 获得一项专利以满足(或超过)美国法律下第35编中规定的四大法定专利性要求。这些要求包括: 虽然在专利申请中价值和质量之间可能存在正相关关系,但这两者可以是独立且不相关的(Wagner,2009;Schankerman和Schuett,2022)。这是因为专利的价值取决于超出专利法和专利审查过程关注范围的因素,如相关市场的规模、股票市场回报、专利续展以及后续引用等。 第101条:满足专利主题资格的标准。 第102章:小说 第103节:不明显。 第112条:清楚和充分地声称和描述。 1Seehttps://www.uspto.gov/patters/quality-metrics,以及USPTO绩效和责任报告2017财年,第48页。 Section2 衡量专利质量 为了评估专利质量,本报告评估专利审查的质量。即,专利局授予不符合现有专利可专利性法定和司法标准的要求的权利要求(也称为无效权利要求)的频率,以及未能授予符合这一标准的权利要求(也称为有效权利要求)的频率。 正如将在后文探讨的那样,尽管这些错误是可以量化的,但它们仍带来一定的解释挑战。这是因为一项发明的范围是由一个或多个权利要求来捕捉并在专利审查过程中作为主要审查对象。这些权利要求往往会被重新表述以变得更加精确,并克服审查员的反对意见。如后文所示,衡量每项法定规定的合规性最有效的方法是进行逐项权利要求分析。 这一部分呈现了三种不同的专利质量测量方法的研究发现,这些方法基于三个不同的数据集。 因此,本节中介绍的分析旨在估计两种类型的错误 : 类型1错误(虚假授予)是指审查员授予了包含无效权利要求的专利(也称为低质量专利)。 类型2错误(虚假拒绝)是指审查员拒绝包含有效权利要求(也称为潜在高质量专利)的专利申请,或者申请人放弃此类申请的情况。 这两种错误会产生不同类型的经济成本。Type1错误通过更高的价格和与执行这些(错误授予的)专利相关的诉讼成本,导致福利损失。Type2错误削弱了创新的动力,抑制了能够带来正面社会效益的新发明的发展,并给创新者带来了成本。有关Type1和Type2错误所造成危害的更多讨论可参见第4节。 第二部分1基于整体专利申请池(包括已授予和被拒绝的专利),从经济建模、人工智能和统计方法的角度分析专利质量。 第二部分分析基于代表性专利申请样本(包括已授予和被拒绝的专利申请)的专利质量,通过随机审查进行评估。 第二部分第三章基于提交给多个专利局的专利申请(包括已授予和被拒绝的申请),使用数学建模和统计方法分析专利质量。 此外,本报告考虑了专利无效率,并表明这些指标不适合用于衡量专利质量(见第3节)。 Section2.1 基于总体人口的专利质量 :使用经济建模和机器学习估算误差 近期人工智能(AI)的发展使得对整个专利申请池进行全面评估分析成为可能,而此前进行此类分析将极为昂贵。尽管AI方法尚属新领域,需要进一步验证,但它们为生成有关专利质量的见解开辟了有希望的道路。本节呈现了经济学家威廉·马奇姆和马克·沙肯纳姆正在进行的工作成果。他们开发了一个正式的经济模型,并利用机器学习技术,基于美国专利商标局(USPTO)的详细数据,估算了一类错误和二类错误。 数据和方法 该数据集包含约5500万件专利申请权利要求决策,涉及约98万项专利的约2000万项独立权利要求。 2 2011-2013年之间提交的申请。 对于申请而言,在多轮谈判中观察考官对专利声明的决策 。Matcham和Schankerman(2023)利用机器学习技术 ,特别是现代自然语言处理(NLP),来测量不同声明之间的距离,这为基于新颖性和非显而易见性评估专利性奠定了基础(35U.S.C.§102和§103)。为此,他们构建了一个新的独立声明距离度量方法。为了确定专利申请声明与现有专利中最接近声明之间的距离,他们计算了每项先前授予的独立声明的距离,并取最小值。借鉴计算机科学的发展,该方法通过计算每个专利声明的文本与其他(先前的)声明之间的相似性度量来实现,基于单词及其在段落中的位置(Le和Mikolov,2014)。这种方法允许使用同义词、反义词和技术术语,这些术语具有相似的意义 。 经济模型 马奇和沙克曼(2023)开发了一个美国专利筛查过程的模型,该模型整合了申请人和审查员面临的激励机制、审查员自身的内在动机以及当前系统中多轮谈判的实际结构。他们定义内在动机为审查员希望确保其决策与美国专利商标局(USPTO)保护发明者对其发明的所有权权利、符合法律规定和司法解释的使命相一致的愿望。 实证分析基于校准经济模型的参数,使其预测结果与数据的关键观察特征(例如,在每个流程轮次中的授予、放弃和索赔拒绝)高度一致。Matcham和Schankerman(2023)能够计算出专利性的内在阈值距离,通过识别最内在动机审查员所使用的拒绝规则,这些审查员将根据美国专利商标局(USPTO)的规定使用该阈值。 22011-2013年期间被用于分析,因为这是可以从美国专利商标局(USPTO)获取涉及多轮审查的专利申请结果数据的年份。 使用估计的阈值和模型,他们估计类型1和类型2错误的程度。 1型和2型错误的估计 图1展示了Matcham和Schankerman(2023)对Type1和Type2错误的估计。存在两种这样的估计:扩展边际和密集边际。扩展的Type1错误衡量了被授予专利中至少有一个估算无效主张的比例。扩展的Type2错误衡量了被放弃的专利申请中至少有一个估算有效主张的比例。密集的Type1错误衡量了被授予的主张中被估算为无效的比例,而密集的Type2错误衡量了被放弃的主张中被估算为有效的比例 。本报告侧重于密集错误,因为如将要解释的那样,它们提供了关于无效程度更为精确和准确的估计。 根据估算,在所有已授予的专利中,仅估计有7%的专利是无效的,这反映了大多数所谓的“无效”专利实际上只包含少量无效的主张。至于第2类错误,估计在所有被放弃的主张中,有18%是有效的。这些结果表明,第2类错误比第1类错误更为普遍,尽管大多数公共政策讨论主要集中在第1类错误上。 基于索赔级别的分析提供了评估专利质量更为细腻和精确的方法。独立索赔是专利的核心要素,审查员会单独评估每一项索赔,因为每项索赔在范围、细节和整体质量上可能存在显著差异。相比之下,基于专利级别的分析则存在固有的挑战。将索赔级别的见解综合成对专利质量的整体评估可能会引入偏见。以一个包含九项有效索赔和一项无效索赔的专利为例:由于存在一项无效索赔,是否应将其视为低质量专利?或者,是否应将其视为90%高质量专利 ?这两种方法都有其合理性;然而,关注个体索赔水平进行评估更为直接和准确,能够更全面地反映专利的质量。 技术中心的1型和2型错误估计 技术中心(TCs)是美国专利商标局(USPTO)使用的行政单位,用于根据技术主题领域对审查员和专利申请进行分类,以便特定技术领域的专利申请能够由对该领域有专业知识的审查员进行审查。 3 该学科的专业知识。总共有九个TC。 图1:类型1和类型2误差的估计(索赔级别 ) 3参见专利技术中心管理,https://www.uspto.gov/patents/contact-patents/patent-tech