关键词:
高校
专利转移
预测模型
机器学习
随机森林算法
SHAP
摘要:
文章构建了高校专利转移预测模型,探索了影响预测效果的特征变量,以提升我国高校专利转化率,实现无形资产的产业价值。在清洗及标准化相关字段后,分别运用LDA、SBERT、SBERT-LDA模型提取专利技术主题,对比了不同主题提取模型的预测结果,以准确率、精确度、召回率及F1值评估了6种常用分类算法的效果,并以区块链技术领域所涉专利数据开展实证分析。实验结果表明,在区块链技术领域,采用SBERT-LDA方法提取专利技术主题后的随机森林算法展现出更优的预测性能。在此基础上,进一步运用SHAP解释框架分析了影响模型预测的特征变量,并解读了其作用机理。研究发现,特征变量对预测效果的作用可分为二分类、正相关、负相关以及随机波动型4类。