使用LightGBM进行专利寿命预测,并具有定制的损失
Jieming Liu1, Peizhao Li2, Xiaowei Liu3
1School of Law, Humanities and Sociology, Wuhan University of Technology, Wuhan, Hubei, China.
PeerJ. Computer science
|June 10, 2024
概括
这项研究使用LightGBM和焦点损失预测了专利寿命,提高了商业潜力的评估. 这种新的方法提高了对专利期限和商业可行性的预测准确度.
科学领域:
- 知识产权管理知识产权管理
- 机器学习应用 机器学习应用
- 数据科学数据科学数据科学
背景情况:
- 专利寿命是评估经济价值和商业潜力的关键指标.
- 准确的专利期限预测对于专利持有者和战略决策至关重要.
- 现有的研究往往侧重于专利阶段,而不是个人专利的商业可行性.
研究的目的:
- 开发一种精确的方法来预测专利在最长的到期日之前保持有效的概率.
- 通过分析其预测寿命来评估个别专利的商业可行性.
- 通过专注于持续时间预测,改进现有的专利评估方法.
主要方法:
- 用20万项专利的数据集进行评估.
- 实现了一种机器学习方法,将LightGBM与定制的焦点损失功能相结合.
- 开发了一种新的损失函数,该函数来自焦点损失,以提高预测准确度.
主要成果:
- 合并的LightGBM和焦点损失模型显示了显著的性能改进.
- 整合焦点损失提高了模型在训练期间优先考虑难以分类的实例的能力.
- 有针对性的方法提高了模型在区分样本和从挑战中恢复的准确性.
结论:
- 拟议的方法有效预测专利寿命,为商业可行性评估提供了有价值的工具.
- 将LightGBM与焦点损失相结合,可以显著提高对专利期限的预测准确性.
- 这种方法为专利价值分析提供了更准确,更强大的方法.
