典型文献
多特征融合的专利价值预测——以5G技术为例
文献摘要：
[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.
文献关键词：
专利价值;预测;技术生命周期;XGBoost;5G
中图分类号：
作者姓名：
孙冉;安璐;李纲
作者机构：
武汉大学信息管理学院,湖北 武汉430072;武汉大学信息资源研究中心,湖北 武汉430072
文献出处：
引用格式：
[1]孙冉;安璐;李纲-.多特征融合的专利价值预测——以5G技术为例)[J].现代情报,2022(11):87-96
A类：
B类：
多特征融合,专利价值,价值预测,前沿技术,技术创新能力,Incopat,专利数据库,内部因素,外部因素,技术生命周期,BERT,标题,语义信息,专利技术,技术特征,市场特征,法律特征,专利权人,文本语义特征,机器学习模型,决策树,XGBoost,深度学习模型,RNN,SHAP,解释方法,特征重要性,重要性排序,高价值专利,基线模型,指标特征,同族,家数,开国,国别,引证
AB值：
0.398582
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。
