基于SMOTE-LOF-Adaboost模型的核心专利识别研究

作者：李颖; 吴增源^*; 陈亮

来源：科技管理研究, 2023, 43(21): 171-177.

• 组合模型
• 核心专利识别
• 机器学习

针对核心专利识别准确率低的问题，重构指标体系；针对传统核心专利识别方法处理不平衡数据效果欠佳，提出重采样技术与集成算法的组合模型。首先，在传统指标构建基础上加入专利发明人相关指标；其次，使用合成少数类过采样算法(SMOTE)增加少数类样本解决数据不平衡问题，采用局部离群因子(LOF)算法对新生成样本进行降噪处理，并与自适应集成算法(Adaboost)组合成SMOTE-LOF-Adaboost模型；最后，以智慧芽专利数据库中2012—2016年共22077条光伏领域专利数据为例，使用SVM、Adaboost、SMOTE-Adaboost、SMOTE-LOFAdaboost进行实证分析。结果显示SMOTE-LOF-Adaboost模型AUC均值0.977 6,Recall均值0.986 0，均优于其他3种模型，表明该模型能够提高核心专利预测的准确性。

• 单位
  光学与电子科技学院; 中国计量大学