基于AHP-Resnet的知识产权信息服务质量优化模型构建

知识产权信息服务具有重要的经济价值和社会意义,对国家创新发展和提升整体经济竞争力具有重要影响。文章在分析知识产权信息服务研究现状的基础上,结合专家打分法在5个维度25个二级指标基础上,利用AHP法确定专家权重。结合专家权重,采用Resnet神经网络构建知识产权信息服务质量评价体系。研究发现,在平台资源内容、平台检索功能、平台运行性能、平台服务程度、平台特色服务这5个一级指标中,平台资源内容在知识产权信息服务质量评价指标体系中占主导地位,其权重占比最高,达到了50%。

高校专利四象限分级实证研究——以转化概率和转化金额预期为维度

[目的/意义]对高校专利进行分级评估并采取有针对性的处置策略可以优化资源配置、避免无差别管理带来的资源浪费,提高专利转化效率。[方法/过程]以16所高校真实的专利转化数据为研究对象,通过4种机器学习算法对比选优,分别建立专利转化概率分类预测模型和转化金额分类预测模型,再以这两个模型为维度,构建高校专利四象限分级模型,并进行实证对比分析。[结果/结论]在对高校专利可转化性和转化金额进行分类评估时,基于随机森林算法的机器学习模型有效性更好;高校问题专利占比普遍较高;对不同象限的专利可采取不同的、有针对性的分级处置策略。