-
题名基于权重平衡算法的专利可交易性预测研究
- 1
-
-
作者
冉从敬
丁群哲
李旺
宋永辉
刘爽
-
机构
武汉大学信息管理学院
教育部高等学校科学研究发展中心
-
出处
《情报学报》
北大核心
2025年第5期549-561,共13页
-
基金
国家自然科学基金面上项目“基于图卷积神经网络的新兴技术领域高质量专利识别及其演化研究”(72274084)。
-
文摘
专利交易作为技术创新与市场价值实现的重要环节,对专利交易潜力的识别与预测在支持国家关键科技战略目标、推动科技创新以及促进企业和研究机构间技术转移与合作方面具有重要意义。基于此,本研究提出一种基于权重平衡算法的专利可交易性预测方法,该方法首先整合incoPat专利数据库与中国专利信息服务平台数据库形成初始数据集,同时基于专利转让记录、转让与受让地址、利益相关方信息等规则和算法对初始专利交易数据集进行二次筛选,构建专利交易数据集;其次,基于专利交易数据集,将专利的可交易预测问题转化为监督式二分类任务,将专利在交易发生之前的多维度技术特征作为预测的输入变量,并以专利在失效前是否发生交易作为预测目标,最终完成专利可交易性预测。结果表明,本研究提出的基于权重平衡算法的专利可交易性预测模型在综合性能上优于基础模型,并通过实证结果验证了其有效性;通过模型的可解释性算法,本研究识别出了申请人国家、申请人类型和同族国家数以及同族专利数等是影响专利交易的重要技术特征。尽管本研究取得了一定进展,专利交易预测仍面临挑战,未来可以尝试引入专利文本和图像等多维特征,以进一步提升模型的预测性能。
-
关键词
权重平衡算法
改进机器学习模型
专利可交易性预测
-
Keywords
weight balancing algorithms
improved machine learning models
patent tradability prediction
-
分类号
G306
[文化科学]
-
