多特征融合的专利价值预测 ——以5G技术为例

摘要：

[目的/意义]专利数据中包含大量的前沿技术信息,企业所拥有的专利可以用来衡量企业的技术创新能力.[方法/过程]本文选取Incopat专利数据库中与5G技术有关的专利数据,综合考虑专利价值的内部因素和外部因素,采用Logistic模型可视化国内外5G专利的技术生命周期,基于BERT模型对专利标题的文本语义信息进行特征提取,构建了包含专利技术特征、市场特征、法律特征、专利权人特征、文本语义特征在内的专利价值预测模型.分别采用传统机器学习模型(如随机森林、决策树、XGBoost等)和深度学习模型(如CNN、RNN等)进行训练和预测,基于SHAP解释方法分析专利价值预测模型中的特征重要性排序.[结果/结论]基于多特征融合的高价值专利预测模型的F1值达到0.894,优于其他的基线模型.在二级指标特征中,同族国家数的特征重要性最高;其次,公开国别、被引证次数在专利价值预测重要性较高.

关键词：专利价值、预测、技术生命周期、XGBoost、5G

所属期刊栏目：42

分类号：G250.2;G306.0(图书馆学、图书馆事业)

资助基金：国家自然科学基金;国家重点研发计划;国家自然科学基金

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：87-96