基于双向门控循环单元注意力机制的高校专利质量评估方法

作     者：王颖特 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：谢祥

授予年度：2022年

学科分类：040106[教育学-高等教育学] 12[管理学] 1205[管理学-图书情报与档案管理] 0401[教育学-教育学] 04[教育学] 

主      题：高校发明专利 专利质量评估 BiGRU Attention 深度学习 

摘      要：专利是政府、高校或企业等颁发的保护发明或产品设计的重要文件。一项新发明有助于提高生活水平,提高生产力和质量,降低工业生产成本,或提供具有更高附加值的产品。专利文件被认为是特定技术领域的极好知识来源,可进一步促进新的发明。目前,中国的专利数量正在快速增长。与实用新型专利和外观设计专利相比,发明专利能使企业或者高校的技术水平、市场价值和实践能力更高,更受到研究人员、企业、研究机构甚至政府的重视。高校作为发明专利输出的重要阵地,其发明专利申请数量也取得了惊人的成绩。但与不断增加的发明专利申请数量相比,高质量发明专利对创新指数贡献较大的比例较小。如何有效地从海量专利申请中识别高质量专利是一个亟待解决的关键问题。目前,专利文献的技术趋势预测依赖于专家的主观经验。然而,积累的专利文件由大量的文本数据组成,使这些专家更难以准确、及时地获取知识。因此,采用客观方法进行技术趋势预测是更为可行的方式。数据挖掘方法可以对专利文件进行分类,以支持业务决策。本文的研究目标就是综合应用数据分析和文本挖掘方法,识别高校专利中的高质量部分,以发现信息技术趋势,助力专利转化和产业创新。具体来说,本文提出一种基于双向门控循环单元注意力机制的高校专利质量评估方法。该方法主要包括三个阶段,即评估指标体系构建、评估模型构建和高校发明专利质量预测分析。第一,在高校发明专利质量关键评估指标构建阶段,在分析文献的基础上,制定技术、法律和经济三个方面的影响要素;同时,本文考虑专利文档的文本内容特征也是专利质量估计的关键因素,增加文档-主题内容指标;并分析所有指标的下级执行变量,形成本文的专利质量评估指标体系。第二,在高校发明专利质量评估模型构建阶段,结合发明专利数据的特质,考虑到注意力机制作为深度学习技术的最新发展,在序列数据特征抽象方面展现出良好性能,以及BiGRU处理文本序列的高校性,本文构建结合注意力的BiGRU高校发明专利质量识别模型。第三,基于构建的指标体系和评估模型,在获得的真实C9高校发明专利数据集上,提取模型的特征变量数据,并训练Attention-BiGRU专利质量分类模型,实现对专利数据质量的有效识别。最后依据分类结果,分析当前高校发明专利中的技术发展趋势和现存问题,为进一步促进高质量专利转化提供建议。本研究有助于识别高校发明专利中可以转让的技术和具有较高商业化价值的技术,促进产学合作的结果会更上一层楼。