摘要：本文基于39所“双一流”高校数据,采用模糊集定性比较分析法探讨高校科技创新能力的提升路径。首先利用熵权法对数据进行预处理,从而确定各高校科技创新能力的综合得分,其次采用模糊集定性比较分析法,以各高校科技创新能力综合得分为结果变量,选取研究与发展人员、科研经费、专利申请、学术论文、专利授权、成果授奖数、成果转让收入7个条件变量,研究影响“双一流”高校高水平科技创新能力的组合路径。研究结果表明:研究与发展人员、科研经费、学术论文、专利授权、成果授奖数和成果转让收入是提升高校科技创新能力的核心前因条件,同时根据不同的条件组态归纳出提升高校科技创新能力的三种路径以及阻碍高校科技创新能力的三种路径,最后结合科技创新能力组合路径为高校科技创新发展提出合理建议。

摘要：[目的/意义]基于机器学习算法,对行业标准专利构建多模态特征融合的自动分类筛选模型,探究侵权诉讼背景下标准必要专利价值分类指标体系。[方法/过程]首先利用美国专利商标局的发生侵权诉讼后的标准必要专利作为标记数据,将文本数据和指标数据进行降维融合后,建立基于机器学习中监督学习和半监督学习模型专利分类筛选模型,最后对数字创意产业的标准专利进行分类筛选。[结果/结论]基于机器学习中监督学习和半监督学习模型算法构建一套较为完整的多特征融合专利价值自动分类筛选模型。构建的4种模型在测试集上的平均F1值均在0.8以上,其中伪标签随机森林模型表现最优,平均F1值达到0.87106。

摘要：基于机器学习算法,对专利无效宣告构建多模态特征融合预测模型,探究专利无效宣告预警指标体系。将文本数据和指标数据进行降维融合,建立基于机器学习中集成学习模型和单个分类模型的专利无效分类预测模型,对新兴产业中信息技术产业的专利侵权案件进行无效宣告分类预测。构建的5种模型在测试集上的平均F1值均在0.8以上,其中逻辑回归随机森林模型表现最优(F1=0.9821)。