专利价值评估与分类研究——基于自组织映射支持向量机

摘要：

[目的]充分利用专利数据,研究专利价值评估和分类问题.[方法]根据专利的价值指标,设计基于自组织映射(SOM)-支持向量机(SVM)的专利价值评估及分类模型,使用自组织映射方法确定专利的价值类别,采用随机森林(RF)对价值指标进行重要性排序,并结合包裹式特征选择方法对价值指标进行约简,以提高SVM的分类性能.[结果]通过SOM确定的价值标签能有效反映专利价值的高低;同时,约简后的指标由初始的14个减少到10个,分类准确率由76.28％提高到86.89％.[局限]对每个类别中的专利价值没有细化,专利价值指标存在进一步约减的可能.[结论]本文方法能够为专利研发活动提供支持,避免过度依赖专家判断.

关键词：专利价值评估、数据聚类、专利价值分类、特征选择、自组织映射、支持向量机

所属期刊栏目：3

分类号：TP181;G306(自动化基础理论)

资助基金：东华大学人文社会科学繁荣基金项目“互联网个性化定制用户需求多粒度模型研究”项目108-10-0108076的研究成果之一

在线出版日期：2019-08-12（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：117-124