深度注意力机制下的高校专利价值评估方法——基于历史转化特征锚定效应视角

摘要：

[研究目的]缺乏成熟的专利价值评估系统作为参考,是当前高校专利高产出却低转化的重要原因之一.对于非市场基准的专利价值评估方法而言,各项指标对评估模型的影响度不一且没有统一标准.使用深度学习的方法构建专利价值评估体系可以有效降低人为筛选的主观倾向性,从而提升专利价值评估效率.[研究方法]基于锚定效应理论,重点选取专利发明人的历史专利转化特征作为锚定指标,构建了基于注意力机制的深度学习模型,对高校专利价值进行评估和预测.引入的注意力机制可自适应地强调关键指标,一定程度上避免了先前研究中人为筛选的主观因素影响.[研究结论]通过采集1540 条电子信息相关方向的高校专利价值数据进行深度学习实验,构建的基于深度注意力机制的模型在测试集上平均预测准确率达96.88%,证实该评估方法具有高准确性和强实用性,且研究发现发明人的历史专利转化价值对于专利价值评估具有显著的信息锚特征.

关键词：专利价值、专利评估、评价指标、锚定效应、深度学习、注意力机制、神经网络

所属期刊栏目：42

分类号：G306(科学研究理论)

资助基金：国家社会科学基金21AGL009

在线出版日期：2023-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：200-206,封3