典型文献
基于集成学习的专利质量分析与分类预测研究
文献摘要：
[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.
文献关键词：
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
中图分类号：
作者姓名：
付振康;柳炳祥;周子钰;彭启宁
作者机构：
景德镇陶瓷大学知识产权信息中心 景德镇 333403;景德镇陶瓷大学管理与经济学院 景德镇 333403;景德镇陶瓷大学信息工程学院 景德镇 333403
文献出处：
引用格式：
[1]付振康;柳炳祥;周子钰;彭启宁-.基于集成学习的专利质量分析与分类预测研究)[J].情报杂志,2022(10):89-96
A类：
专利质量分类
B类：
集成学习,质量分析,预测研究,研究目的,专利文献,文献数据,专利质量评价,质量评价指标体系,创新主体,决策参考,Stacking,分类预测模型,基分类器,两层结构,人脸识别,分类模型,测试集,机器学习模型,技术稳定性,保护范围,质量影响,高质量专利,专利筛选,选过,专利分析
AB值：
0.265874
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
