每一种颜色，每一个节点大小，每一个数字，每一条线，都包含着专利和专利相关的其它结构、非结构的关键信息。
Patentics倡导的现代专利分析已经有24种可视化方法可选，还不算刚刚介绍的方法。全部都是一键分析、一键可视，再加一键生成图文并茂的专利分析报告，WORD、PPT可选。
这几天一直在考虑如何把可视化引入智能语义检索，即检索结果的可视化分析和可视化浏览文献，今天我们迈出了非常重要的一步。
今天要介绍的“专利知识（价值）谱计算及解读”。用全球最有价值专利为例。
还有一个看点值得关注，就是如何从任意一组专利文献中，通过Patentics流检索命令找出核心（基础）专利。而这些基础专利，往往都是该组（技术）的最有价值的文献。如果能从全世界专利文献中通过Patenti检索命令，找出最有价值的专利，从任意一组专利中找出最有价值的基础专利岂不更简单？
第一步，通过检索命令，检索全世界专利。
all/1 and db/all
全部数据库（db/all）中的全部专利文献(all/1)。
要找出这些全球专利文献中被引用最多的，同时按被引用次数多少排序，引用最多的，排在最前面。传统计算专利价值都按此方法做。
检索命令很简单，后加g/ref-d，
all/1 and db/all and g/ref-d
g/ref-d与传统检索命令不同，是变换检索命令，是对变换命令前的检索数据，进行变换计算。这里的检索数据是all/1 and db/all, 1亿2千万专利文献，变换命令，g/ref-d就是计算这1亿2千万文献的被引用次数。
输出结果，按被引次数多少排序，如下，
排在结果第一篇，US4,683,202，是被全球专利引用次数最多，的确是最有价值的专利。该发明专利（PCR）的发明人为此发明获1993年nobel生物医学奖。
大家都可以用自己的软件，看看该专利的被引用次数，Patentics是58407篇。
通过简单的检索式，找到了全球被引用最多，也就是全球最有价值的专利。如果希望了解某一技术领域，或者任意一组专利的被引用次数最多的专利文献，可以把all/1 and db/all换一下。比如说，
希望找到高通美国专利中被全球引用最多的专利，ann/高通 and db/us AND g/ref-d，
检索结果:全部高通的美国专利、申请中，共有28609篇专利、申请被全球专利文献引用（当然不是每篇都被引用的），如果计算高通全部美国专利、申请的总数，（ann/高通 and db/us)，是45190篇，被引用率是 28609/45190。
排在第一位的专利，US5,103,459果然是高通的起家专利，CDMA的核心、基础专利。
就用这2篇已经被验证的最有价值专利，计算专利价值谱。
必须说明，Patentics的人工智能模型，只考虑该专利的文本内容，不考虑其它非文本信息，如著录项信息，包括引用、被引用数据。这里获取被引用数，纯粹是为了找出计算对象而已。
把这些专利号导入到客户端的分类器，导出到“Word”，选择“专利价值”，结果就出来。
由于计算量很大，输出需要几秒钟一篇。最后结果是，
每一个专利的价值谱，都有一个统计对比专利的价值谱，进行对比试验。对比专利的选择依据是，与被评估专利同一申请年，技术最相关的专利。从而复原该相关技术领域的当时竞争环境，即回答当时本领域的其他发明人正在实施的发明活动。
这2个原创专利的计算价值谱，果然是与众不同。先分析该2个专利的本身价值谱。大家一定注意到，这些专利的先知谱（红色阴影下），几乎为0，而后验谱（绿色阴影下）都很充分。表示这些原创发明的水平与当时的公知技术水平相比，几乎是“开天辟地”般的从0开始的原创性工作。
而从这些发明申请公开后，许多高相关度的专利开始出现，表示这些发明开始被本领域相关技术人员理解、改进、提高。
而这些提高、改进活动，都是受市场驱动，因此，绿线下的面积越大，本身预示着这些专利的市场价值越大。
可以把绿色阴影面积与被引次数等效起来。但是，通过计算生成的模型具有比人工引用更加客观、实时的优点。而且，模型一旦生成，具有预测能力，避免了人工引用产生的延迟效应。
通过对统计对比专利进行相同的价值谱计算，来复原当时的发明环境，计算本领域的技术人员正在从事本领域的发明的价值水平。
很显然，统计对比专利的发明人，在当时从事本领域相近的发明的水平，不属于开创性的基础发明，而是在现有技术上的改进，显著的红色阴影支持了这一结论。
