一种基于机器学习的专利可转让性评估方法研究

摘要：

[研究目的]面对海量的专利数据,如何构建有效的专利可转让性评估方法,筛选出具有转让可能性的专利,对于发现潜在高价值专利、提升我国专利成果转移转化效率具有重要意义.为此,提出一种基于机器学习的专利可转让性评估方法.[研究方法]首先利用基于机器学习的指标约减算法对从技术维度、法律维度、经济维度和主体维度构建的专利可转让性评估指标进行约减,以去除掉冗余指标;然后根据约减后得到的评价指标构建机器学习模型,并对专利可转让性进行评估.[研究结论]人工智能领域专利可转让性评估案例结果表明,当剔除掉冗余指标后机器学习模型的预测准确率均值提升了0.56％;基于机器学习的专利可转让性评估模型的分类准确率达到72.36％,可以较好地对专利的可转让性进行评估.案例结果验证了所提出方法的可行性和有效性,该方法为专利可转让性评估提供了新的研究方法.

关键词：专利可转让性、机器学习、专利可转让性评价指标、指标约减算法、人工智能

所属期刊栏目：42

分类号：G306(科学研究理论)

资助基金：国家自然科学基金72174017

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：85-93