专利价值评估与分类研究——基于自组织映射支持向量机

摘要

【目的】充分利用专利数据,研究专利价值评估和分类问题。【方法】根据专利的价值指标,设计基于自组织映射（SOM）–支持向量机（SVM）的专利价值评估及分类模型,使用自组织映射方法确定专利的价值类别,采用随机森林（RF）对价值指标进行重要性排序,并结合包裹式特征选择方法对价值指标进行约简,以提高SVM的分类性能。【结果】通过SOM确定的价值标签能有效反映专利价值的高低;同时,约简后的指标由初始的14个减少到10个,分类准确率由76.28%提高到86.89%。【局限】对每个类别中的专利价值没有细化,专利价值指标存在进一步约减的可能。【结论】本文方法能够为专利研发活动提供支持,避免过度依赖专家判断。