专利价值评估与分类研究——基于自组织映射支持向量机
Evaluating and Classifying Patent Values Based on Self-Organizing Maps and Support Vector Machine作者机构:东华大学旭日工商管理学院
出 版 物:《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)
年 卷 期:2019年第3卷第5期
页 面:117-124页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程]
基 金:东华大学人文社会科学繁荣基金项目“互联网个性化定制用户需求多粒度模型研究”(项目编号:108-10-0108076)的研究成果之一
主 题:专利价值评估 数据聚类 专利价值分类 特征选择 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。