基于全连接神经网络的专利价值评价模型构建与实证研究

本研究旨在构建一种专利价值评价模型,以批量化识别和筛选具有市场转化潜力的专利,提升专利管理效率和促进专利技术的市场应用。本研究采用多元统计分析和人工神经网络方法,通过关键指标初筛、主成分分析法降维等操作步骤,构建了包含输入层、两个隐藏层和输出层的多层感知机(MLP)模型。采用十折交叉验证优化召回率和精确率。结果表明,该模型能够实现专利价值度的有效评价,通过对深圳市“20+8”产业专利进行实证检验,模型显示所评价的专利普遍具有较高的价值度,其中A级及以上专利占比达到11.27%,B级及以上专利占比为41.82%。