如何识别高价值创新？来自建筑工程专利知识图谱的视角

目的通过解决现有方法在专利数据中忽视语义和关系特征的局限性，提升对建筑工程领域高价值创新的早期预测。设计/方法/框架本文通过将结构特征与网络关系整合到一个统一的建筑工程领域专利知识图谱语义框架中，构建了一个多维预测指标系统。采用改进的TF-IDF算法提取关键技术，同时使用知识图谱嵌入技术捕捉潜在的关系特征。最后，采用机器学习分类器预测专利价值。结果表明，结合专利文本特征与知识图谱嵌入特征显著提升了预测性能。该模型的AUC超过80%，相比仅依赖外部特征的模型提高了约7%。此外，从专利文本中提取的专利技术覆盖范围和新颖性特征在价值预测中发挥了重要作用。原创性/价值本研究整合了基于知识图谱的方法中的语义、结构和关系特征，以便早期识别高价值创新。强调了关系网络的理论作用，并提供了解释性见解以为创新评估提供信息，作为研发和政策分析的实证参考。