基于机器学习分类算法的高质量专利成果筛选研究

[目的/意义]基于客观数据形成一套自动筛选方法,对专利成果质量进行快速识别,为推动专利成果转化工作提供决策支持。[方法/过程]首先,以专利成果的发明人数量、IPC号数量等形式特征结合语义向量匹配度特征、专利成果质量标注结果,构建高质量专利成果筛选指标体系;其次,以“先进制造与自动化”领域为例,在专利之星平台检索该领域的发明专利作为专利文本数据来源,并以湖北省需求为例,将其相关的产业发展规划(宏观)和市场技术需求(微观)作为需求文本数据来源;随后,采用分词、去停、文本向量化等步骤对专利文本和需求文本进行处理,并整理形成训练集和测试集;最后,调用8种机器学习分类算法模型进行训练与评估,并对训练效果最优的算法展开应用测试,以验证筛选方法的可行性。[结果/结论]结果显示,随机森林算法模型在选取的8类算法模型中整体表现最优,被用为高质量专利成果筛选方法中的内核分类算法。此外,本文提出的筛选方法对专利成果质量识别具备较强的可行性,能够结合不同省(市)的特定专利需求,快速地进行大批量专利成果的筛选,在一定程度上可有效降低人力、物力和财力成本的消耗。

浅析创新水利科技成果评价工作

科技成果评价是深化国家科技体制改革、深入实施创新驱动发展战略的重要举措,对推动高质量科研成果产出与转移转化,促进科技同经济深度融合与创新发展等具有重要作用。以中国水利学会科技成果评价工作为例,对存在的问题进行分析并提出建议,助力更好发挥水利科技成果评价作用、推动水利科技创新发展。

吉林省教育学院2019年度科研发展报告

学院科研成果质量提升措施产生实效。2019年度相关数据显示:重要级刊物论文数量翻一番,论文转载数大幅度提升;影响面更广的教育类专业报刊发文创新高,科研课题立项和结项数量趋向平衡。但也存在C刊论文数量偏少、外文期刊论文不规范等现象,而正高级人员成果偏少、科研成果部门分布失衡,以及部分类别科研课题质量偏低等问题仍然存在。科研工作将继续加强监管与服务相结合,进一步完善微观评价制度,以持续提升科研质量。

吉林省教育学院2018年度科研工作发展报告

吉林省教育学院2018年度科研工作保持稳中有进的良好发展势头。论文发表和转载情况显示质量提升举措呈现实效,科研课题立项数量维持高位水平,获奖类成果同比大幅增加;但也存在科研成果数量和质量不平衡、立项课题和结项课题不平衡、科研成果分布不平衡等现象,而大部分教研岗正高级人员成果太少、非直接管理类科研课题不规范等问题仍然存在。新年度科研管理工作将从完善微观评价制度,督促监管与加强服务相结合,科研信息发布与咨询答复程序化公开化等措施,切实提升科研质量。