基于ADASYN-LOF-RF模型的核心专利识别研究

作者：李颖; 吴增源^*; 陈亮

来源：中国计量大学学报, 2022, 33(04): 609-616.

• 核心专利识别
• 机器学习
• 组合模型

目的:针对传统核心专利识别方法处理不平衡数据效果欠佳，和识别准确率低的问题，特重构指标体系，提出重采样与集成算法的组合模型。方法:首先，在传统专利指标的基础上，增加专利发明人指标；其次，采用自适应采样算法ADASYN增加少数类样本以解决不平衡问题，使用局部离群因子LOF对采样后的样本进行降噪，并与随机森林RF组合，形成ADASYN-LOF-RF模型；最后，对智慧芽平台中2012—2016年22 077条光伏专利进行分类预测。结果:ADASYN-LOF-RF的准确率A均值为92.28%、召回率R均值为98.04%,优于SVM、RF、ADASYN-RF模型。结论:本组合模型具有很好的分类性能，能够有效识别出核心专利。

• 单位
  中国计量大学; 光学与电子科技学院