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

作者：赵雪峰; 胡瑾瑾; **林; 吴伟伟; 孙安东; 赵涛

来源：情报学报, 2023, 42(06): 663-680.

• 特征拼接
• BERT
• 标签迁移
• 专利
• 深度学习

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。

• 单位
  哈尔滨工业大学; 哈尔滨工业大学（深圳）; 经济管理学院