一种基于机器学习的专利可转让性评估方法研究

研究目的]面对海量的专利数据，如何构建有效的专利可转让性评估方法，筛选出具有转让可能性的专利，对于发现潜在高价值专利、提升我国专利成果转移转化效率具有重要意义。为此，提出一种基于机器学习的专利可转让性评估方法。研究方法]首先利用基于机器学习的指标约减算法对从技术维度、法律维度、经济维度和主体维度构建的专利可转让性评估指标进行约减，以去除掉冗余指标；然后根据约减后得到的评价指标构建机器学习模型，并对专利可转让性进行评估。研究结论]人工智能领域专利可转让性评估案例结果表明，当剔除掉冗余指标后机器学习模型的预测准确率均值提升了0.56%;基于机器学习的专利可转让性评估模型的分类准确率达到72.36%,可以较好地对专利的可转让性进行评估。案例结果验证了所提出方法的可行性和有效性，该方法为专利可转让性评估提供了新的研究方法。