一种基于特征拼接、标签迁移及深度学习组合的专利价值评估方法

专利价值评估对打击非正常申请、净化市场环境具有重要的现实意义。本文以特征拼接、标签迁移及深度学习组合为中心构建专利价值评估方法,并基于2010—2020年广东省专利申请探究评估方法实际表现,引入多组对比模型进行实验分析。研究结果表明:①拼接著录事项信息,可构建出技术特征显现更强的专利研究对象,避免因指标类研究对象未足够体现专利技术本质而引发评估准确率不高的现象;②以专利法律视角量化出更具专利价值代表性的价值标签体系,在延展专利标签体系研究深度的同时,解决因引用率、下载访问量等传统标签与专利实际价值不匹配而造成的价值评估错误问题;③以高精细度词向量为构建原理,组建以BERT(bidirectional encoder representations from transformers)及LSTM(long short-term memory)为核心的专利价值评估模型,有效解决传统模型特征因提取能力不足而产生评估准确率偏低的弊端。本文从研究对象有效性、标签体系性及模型构建评估率三个方面提出优化改进策略,为专利价值评估提供了新工具,具有较强的实际应用价值。

基于深度学习与多分类轮询机制的高质量“卡脖子”技术专利识别模型——以专利申请文件为研究主体

【目的】解决传统单分类方法无法有效识别高质量“卡脖子”技术专利的问题。【方法】以申请文件为研究主体,组合LSTM、Word2Vec及BERT得到多分类轮询的高质量“卡脖子”专利识别模型LSTM-Seq-BERT,并以IPC号为一级分类标签、授权状态为二级分类标签构建与模型对应的多级标签体系。【结果】对高质量“卡脖子”技术专利的识别精准度提高至88.1%。【局限】仅使用粤港澳大湾区专利,存在数据不平衡情况。【结论】本文构建的二级分类标签和轮询机制的模型可以提高对高质量“卡脖子”技术专利的识别准确率,具有实际应用价值。