基于机器学习的高质量专利特征组合挖掘

• 作者: 周磊 王婧怡 黄彩云 余玲珑
• 来源期刊: 武汉纺织大学学报
• 关键词: 专利质量 机器学习 决策树 专利权利项 中国专利奖
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 综合研究
• 页码范围: 67-71
• 页数: 5页
• 分类号: F204
• 语种: 中文
• DOI: 10.3969/j.issn.2095-414X.2021.03.013

摘要

挖掘高质量专利的特征组合有助于揭示专利价值形成机制,进而引导专利质量整体提升.以中国专利奖获奖发明专利为样本集,从技术质量、法律质量和经济质量等指标建立高质量专利评价指标体系,进而利用决策树模型抽取出9条区分金奖发明和优秀发明的知识规则.发现法律质量是高质量专利的第一要素,高权利项可作为识别金奖发明的唯一特征;较高的权利项与专利族、被引频次的组合可以识别金奖发明;权利项偏低时,专利需满足多个技术质量指标阈值才能认定为金奖发明.