高校技术转移预测模型构建及归因分析——以区块链技术为例.pdf

张更平 王 薇 陈红艺 卢 珊 慎金花：高校技术转移预测模型构建及归因分析——以区块链技术为例

ZhangGengping,WangWei,ChenHongyi,LuShan,ShenJinhua:ThePredictionModelofUniversityTechnologyTransferandAttributionAnalysis:EmpiricalResearchinBlockchainTechnology  6161

高校技术转移预测模型构建及归因分析

——以区块链技术为例

张更平 王 薇 陈红艺 卢 珊 慎金花 12231

 （1 同济大学图书馆 2 同济大学经济与管理学院 3 同济大学科研管理部）

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、

召回率及值评估了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

F16

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类。

4

关键词 高校专利转移预测模型机器学习随机森林算法SHAP

DOI:10.13663/ki.lj.2025.01.005

ThePredictionModelofUniversityTechnologyTransferand

AttributionAnalysis:EmpiricalResearchinBlockchainTechnology

12231

ZhangGengping,WangWei,ChenHongyi,LuShan,ShenJinhua

(1TongjiUniversityLibrary;2SchoolofEconomicsandManagement,TongjiUniversity;3Officeof

ResearchAdministration,TongjiUniversity)

AbstractThestudyconstructsapredictionmodelforuniversitypatenttransfersandexploresthe

characteristicvariablesthataffectthepredictiveaccuracytoimprovethepatentconversionrateof

Chineseuniversities.Aftercleaningandstandardizingthepatentfields,thestudyusesLDA,SBERT,

andSBERT-LDAtoextractthepatenttechnologytopics.Theimpactofthesetopicextractionmodelson

thepredictionperformanceiscompared.Additionally,sixcommonlyusedclassificationalgorithmsare

evaluatedonaccuracy,precision,recall,andF1score.Theexperimentalresultsshowthatinthefieldof

blockchaintechnology,therandomforestalgorithmcombinedwithth