结合高阶神经元的深度神经网络用于专利可转让性评价——以电子信息技术领域为例

[目的/意义]从交易视角评价专利可转让性,侧面评估专利价值及筛选可交易高价值专利。[方法/过程]基于专利价值评估指标,从技术和法律两个维度选取专利可转让性评价内部指标,基于交易视角中专利权人特征设计专利可转让性评价外部指标,结合高阶神经元将深度神经网络方法应用于专利可转让性评价。[结果/结论]结果表明,专利可转让性评价模型相比传统的BP神经网络方法和仅使用高阶神经元的方法精度更高,F1值达到86.72%;因其可区分通过交易实现价值的潜在专利,在大规模专利可转让性评价实际应用中具有可行性和适用性。