基于灰色关联分析—随机森林回归的网络平台专利价值评估方法研究

摘要：

[目的/意义]随着知识产权网络交易平台不断涌现,解决知识产权交易平台中专利价值精准评估问题是提升平台专利交易活跃度的关键.目前专利交易平台大多数仍是采用传统的经济学方法和综合评价法评估专利价值,面对大量专利数据评价实践和效果并不理想;智能化的专利价值评估方法尚处于初步研究阶段,已有模型缺乏对有效专利信息的筛选和利用.[方法/过程]文章构建了包含网络平台特性的专利价值评估指标体系,提出了基于灰色关联分析(GCA)—随机森林回归(RFR)的专利价值评估模型.该模型采用熵值修正G1的灰色关联分析法在专利交易库中筛选高关联度的数据样本,随后对随机森林回归模型进行训练得到专利价值评估结果.[结果/结论]实证研究表明,GCA-RFR模型在网络平台专利价值评估实际应用中具有可行性和适用性,与经济学方法和综合评价法相比客观性更强;与传统的BP神经网络模型相比稳健性更高,可在有限小样本情况下表现出较好的预测效果;且与常规的RFR模型相比也具有较高精准度.

关键词：网络平台、专利价值、熵值修正G1法、灰色关联分析、随机森林回归

所属期刊栏目：42

资助基金：国家重点研发计划项目“服务价值与文化传播评估理论与技术”2017YFB1400400;北京市青年拔尖人才培育项目CIT&TCD20180405;勤信英才项目QXTCPC201706;研究生科技创新项目“网络平台经济环境下知识产权服务价值评估与定价研究”项目5121911050的成果

在线出版日期：2019-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：109-116