基于机器学习的专利质量评价研究

杨利霞

基于机器学习的专利质量评价研究

( g9 e3 ~/ y9 v# ?) X+ q* G
! P- |% q6 }6 D; y
" o5 q% v' z% z:随着专利数量的迅猛增长
+ u$ {  x7 n8 F: \5 V0 ]" R,专利质量问题日益凸显
$ q. G* ^+ o' p6 H8 q! T' R$ _,专利质量评价成为学者关注焦点。面对海量
专利数据
4 z& T- Z+ U6 t4 h9 n- v,如何构建有效的专利质量评价方法
% w+ l7 y/ }, o5 L) k) Q1 r5 m1 Q# A,实现对专利质量的准确评价和分类是一项急迫的工作
9 B6 b8 W# w* E" D* ?% [$ P: ^0 Y  K0 J。首
5 F/ d& @: p3 L2 d$ {先,通过对国内外相关专利质量评价研究进行系统调研和梳理,提出一种新的专利质量评价指标体系;其
+ u2 `9 H" W, g次,根据新的专利质量评价指标体系,构建一种基于机器学习的专利质量评价方法;最后,以人工智能技术
8 b% H' P$ w+ g, D" l) c专利为例进行实证研究。结果表明,有效综合利用专利技术性、经济性、法定性和主体性评价指标,有助于
更加全面、深入地评价专利质量;基于机器学习的专利质量评价方法能够迅速对专利进行分类并识别高质
$ E; v8 R: A; r% P0 ~- k量专利,从而提高专利质量评价结果深度,为实现大规模专利质量分类评价智能化提供可能。
  R9 r2 Z4 P% c# X3 w" P" @
$ P8 d8 d+ {% b5 B' p