图书情报与数字图书馆论文_基于BP神经网络的专 - 中国测试杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

图书情报与数字图书馆论文_基于BP神经网络的专

作者:

关键词:

摘要：

文章摘要:[目的/意义]专利价值明晰是专利在市场交易的前提,但种种因素使得专利在价值评估方面有着较大难度。探索机器学习在专利价值评估领域的应用,有助于将人工智能与价值评估相结合,丰富专利价值评估方法,优化专利价值评估模型,降低专利交易风险。[方法/过程]以专利价值影响因素分析为基础,建立包含发明人特征、专利文本特征、专利法律度特征和市场关注度的初选指标体系。考虑到初选指标的冗余,采用粗糙集理论对专利价值评估指标体系进行约简,进而建立基于BP神经网络的专利价值评估模型。[结果/结论]通过336条专利价值样本数据的自我学习训练和检验测试,基于BP神经网络的价值评估模型运用简便,对测试集进行检验的预测准确率81.25%,说明该模型具有很好的适用性和可靠性。

文章关键词:

论文分类号:G255.53

文章来源：《中国测试》网址: http://www.zgcszzs.cn/qikandaodu/2021/1014/1853.html