基于集成学习的专利质量分析与分类预测研究

摘要：

[研究目的]文章以专利文献数据为基础,构建一套科学的专利质量评价指标体系,为专利质量评价提供新的评价模型,解决专利质量分类预测问题,为我国创新主体提升专利质量提供决策参考.[研究方法]首先构建专利质量评价指标体系,然后建立基于Stacking思想的集成学习专利质量分类预测模型,该模型包含基分类器以及元分类器两层结构,最后对人脸识别产业的专利进行质量分类并与其他专利质量分类模型进行对比.[研究结论]本文构建的最优集成学习分类模型在测试集上的宏平均F1值达到了 0.9942,整体上优于传统的机器学习模型.此外,研究结果表明,技术先进性、技术稳定性以及保护范围对专利质量影响较大,在高质量专利筛选过程中应加大对这3个指标的评价权重.

关键词：专利分析、专利质量、专利质量评价、专利质量分类、Stacking思想、集成学习

所属期刊栏目：41

分类号：G306(科学研究理论)

资助基金：江西省研究生创新专项资金项目YC2021-S532

在线出版日期：2022-10-31（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：89-96