基于机器学习的专利质量分析与分类预测研究 ——以区块链技术专利为例

[目的/意义]本研究在一定程度上可以减少专利审查员的时间成本和主观性并提高业务素质,也可以为专利申请者的专利布局提供参考.[方法/过程]本研究在专利质量界定与指标体系构建的基础上,提出基于机器学习的组合模型用于专利质量的分析与分类预测,并以新兴产业的区块链技术专利为例展开研究.该模型由自组织映射、核主成分分析以及支持向量机3种方法组成,其实现过程包括两阶段.第一阶段通过自组织映射(SOM)对从国家知识产权局专利数据库收集的21496项区块链技术专利数据进行分析并界定专利质量类别;第二阶段,通过核主成分分析(KPCA)对专利数据进行降维降噪处理,经过处理的专利数据再由支持向量机(SVM)得出分类结果.[结果/结论]在对区块链技术专利质量分类模型进行训练后,基于3306项区块链专利历史数据来验证训练模型的性能,实验结果的匹配度达到87.26％.因此,本研究提出的组合模型能够有效地对专利质量进行分类与预测.