高�？赊D(zhuǎn)化專利識(shí)別模型構(gòu)建——以人工智能領(lǐng)域?yàn)槔?/H1>
發(fā)布時(shí)間：2024-04-27 22:22
[目的/意義]探索構(gòu)建高�？赊D(zhuǎn)化專利識(shí)別模型,精準(zhǔn)鎖定存在轉(zhuǎn)化價(jià)值的專利,對(duì)提升高校專利轉(zhuǎn)化效率具有促進(jìn)作用。[方法/過(guò)程]以人工智能領(lǐng)域?yàn)槔?首先結(jié)合已有研究中使用的專利評(píng)估指標(biāo),從數(shù)據(jù)易獲取性角度出發(fā),確定了16個(gè)指標(biāo),并應(yīng)用主成分分析探索指標(biāo)之間的相關(guān)性,實(shí)現(xiàn)對(duì)重要指標(biāo)的篩選;進(jìn)而,將LDA模型與K-means算法結(jié)合,確定專利的技術(shù)主題,并與專利評(píng)估指標(biāo)進(jìn)行融合構(gòu)建專利特征矩陣;最后,利用AdaBoost算法進(jìn)行識(shí)別模型構(gòu)建,并應(yīng)用到對(duì)高�？赊D(zhuǎn)化專利的識(shí)別中,獲取每件專利的可轉(zhuǎn)化概率,仿照標(biāo)準(zhǔn)十分評(píng)估方法對(duì)專利進(jìn)行劃分,確定具備轉(zhuǎn)化價(jià)值的專利。[結(jié)果/結(jié)論]結(jié)果顯示,將專利技術(shù)主題與評(píng)估指標(biāo)融合后,AdaBoost算法分類準(zhǔn)確度提高了10%;通過(guò)對(duì)高校專利的識(shí)別,專利可轉(zhuǎn)化概率呈對(duì)數(shù)常態(tài)分布,具備轉(zhuǎn)化價(jià)值的專利比重為22.47%,驗(yàn)證了模型的有效性,為高校專利價(jià)值評(píng)估研究提供了新的研究思路,也為高校科技成果管理部門的專利運(yùn)營(yíng)及企業(yè)對(duì)高校核心專利的識(shí)別提供了實(shí)踐方案。
【文章頁(yè)數(shù)】：7 頁(yè)
【部分圖文】：
圖1高校可轉(zhuǎn)化專利識(shí)別模型圖
使用識(shí)別模型對(duì)預(yù)測(cè)集中高校法律狀態(tài)有效且未發(fā)生權(quán)利轉(zhuǎn)移的專利進(jìn)行預(yù)測(cè),獲取高校每件專利的可轉(zhuǎn)化概率,仿照標(biāo)準(zhǔn)10分評(píng)估方法,設(shè)置10級(jí)閾值,依據(jù)概率值進(jìn)行劃分,最終確定具有轉(zhuǎn)化價(jià)值的專利。3結(jié)果分析
圖2企業(yè)發(fā)明授權(quán)專利和轉(zhuǎn)化專利對(duì)比趨勢(shì)圖
本文數(shù)據(jù)來(lái)源于佰騰專利數(shù)據(jù)庫(kù),技術(shù)領(lǐng)域限定為“人工智能”,時(shí)間不限。首先以“中國(guó)發(fā)明授權(quán)專利Not大學(xué)And法律狀態(tài)→有權(quán)”為檢索式,檢索到767件專利;以“中國(guó)發(fā)明授權(quán)專利Not大學(xué)And法律狀態(tài)→有權(quán)And法律事件→權(quán)利轉(zhuǎn)移”為檢索式,檢索到231件專利;以“中國(guó)發(fā)明授權(quán)專利....
圖3技術(shù)主題對(duì)分類算法性能評(píng)估對(duì)比圖
表46種分類算法性能比較AdaBoost邏輯回歸K近鄰支持向量機(jī)人工神經(jīng)網(wǎng)絡(luò)隨機(jī)森林去除主題因素0.6530.6880.6490.7250.7050.685包含主題因素0.755↑0.710↑0.703↑0.727↑0.733↑0.700....
圖4高校專利可轉(zhuǎn)化概率分布趨勢(shì)圖
在10級(jí)評(píng)分的基礎(chǔ)上,依據(jù)每件專利的可轉(zhuǎn)化概率繪制柱狀圖,并添加趨勢(shì)線(見(jiàn)圖4)。分析圖4發(fā)現(xiàn),高校專利可轉(zhuǎn)化概率呈對(duì)數(shù)曲線分布,擬合對(duì)數(shù)函數(shù)方程為y=-0.319ln(x)+1.8511,R2=0.7081,考慮到搜集的專利指標(biāo)數(shù)據(jù)基本上是截面數(shù)據(jù),判定系數(shù)為0.71,表明....
本文編號(hào)：3965791
本文鏈接：http://www.wukwdryxk.cn/guanlilunwen/keyanlw/3965791.html
【文章頁(yè)數(shù)】：7 頁(yè)
【部分圖文】：
圖1高校可轉(zhuǎn)化專利識(shí)別模型圖
使用識(shí)別模型對(duì)預(yù)測(cè)集中高校法律狀態(tài)有效且未發(fā)生權(quán)利轉(zhuǎn)移的專利進(jìn)行預(yù)測(cè),獲取高校每件專利的可轉(zhuǎn)化概率,仿照標(biāo)準(zhǔn)10分評(píng)估方法,設(shè)置10級(jí)閾值,依據(jù)概率值進(jìn)行劃分,最終確定具有轉(zhuǎn)化價(jià)值的專利。3結(jié)果分析
圖2企業(yè)發(fā)明授權(quán)專利和轉(zhuǎn)化專利對(duì)比趨勢(shì)圖
本文數(shù)據(jù)來(lái)源于佰騰專利數(shù)據(jù)庫(kù),技術(shù)領(lǐng)域限定為“人工智能”,時(shí)間不限。首先以“中國(guó)發(fā)明授權(quán)專利Not大學(xué)And法律狀態(tài)→有權(quán)”為檢索式,檢索到767件專利;以“中國(guó)發(fā)明授權(quán)專利Not大學(xué)And法律狀態(tài)→有權(quán)And法律事件→權(quán)利轉(zhuǎn)移”為檢索式,檢索到231件專利;以“中國(guó)發(fā)明授權(quán)專利....
圖3技術(shù)主題對(duì)分類算法性能評(píng)估對(duì)比圖
表46種分類算法性能比較AdaBoost邏輯回歸K近鄰支持向量機(jī)人工神經(jīng)網(wǎng)絡(luò)隨機(jī)森林去除主題因素0.6530.6880.6490.7250.7050.685包含主題因素0.755↑0.710↑0.703↑0.727↑0.733↑0.700....
圖4高校專利可轉(zhuǎn)化概率分布趨勢(shì)圖
在10級(jí)評(píng)分的基礎(chǔ)上,依據(jù)每件專利的可轉(zhuǎn)化概率繪制柱狀圖,并添加趨勢(shì)線(見(jiàn)圖4)。分析圖4發(fā)現(xiàn),高校專利可轉(zhuǎn)化概率呈對(duì)數(shù)曲線分布,擬合對(duì)數(shù)函數(shù)方程為y=-0.319ln(x)+1.8511,R2=0.7081,考慮到搜集的專利指標(biāo)數(shù)據(jù)基本上是截面數(shù)據(jù),判定系數(shù)為0.71,表明....
本文編號(hào)：3965791
本文鏈接：http://www.wukwdryxk.cn/guanlilunwen/keyanlw/3965791.html
