新一轮科技革命和产业变革加速,全球创新速度加快,我国正在经历发展方式转变、经济结构优化、新旧动能转换的攻关期,创新日益成为破解发展难题的关键。专利作为技术与知识的载体,其申请数量是创新研究中衡量创新最常用的指标之一,中国成为创新领先国家也同样体现在专利申请量上。改革开放40年来,我们的知识产权事业取得了举世瞩目的巨大成功,但也面临着“大而不强”的问题。引导专利从追求数量向提高质量转变,这是国家近几年的政策扶持重点,也是未来专利申请审查的一个风向标,针对海量专利数据的价值识别与预测,逐渐成为当前的研究热点。通过梳理相关文献,针对现有研究在研究情境、研究对象与研究方法上的缺欠,以复杂网络、机器学习、因果分析作为理论依托,进行专利价值评估并进行影响因素分析,然后探究影响因素中专利申请人合作模式与专利价值的因果关系。本文选取中国知识产权局建筑领域2011-2020年的254172条有效专利数据作为研究对象,从专利的自身技术特征和专利的申请人特征两个方面选取专利价值的影响因素。专利的自身技术特征选取从已经发表且证明与专利价值有关的特征中选取,专利的申请人特征通过构建申请人合作—专利引用双层耦合网络模型,结合网络的结构特征,对影响专利价值的指标进行全面、科学的选取。在此基础上,本文首先使用随机森林算法进行专利价值评估,并对所选取的专利价值影响因素进行重要性排序及部分依赖分析,进一步探究每一个因素与专利价值间的相关关系。我们发现在影响专利价值的因素中,专利申请人数量及专利申请人重要性是非常重要的两个因素,且近年来具有合作现象的专利数量逐年上升,说明随着技术的进步与知识的流动,人们越来越倾向于团队合作。因此本文使用倾向得分匹配方法探究专利申请人合作模式与专利价值间的因果关系,对实验结果进行匹配效果检验、敏感性检验与稳健性检验,以证实本文结果的准确性。同时选取建筑领域专利产出量最多的三个子领域进行异质性分析,以证实本文结果在建筑领域的普适性。根据实验结果,我们得到以下结论。首先本文使用朴素随机过采样的方法将专利引用数据集转换为平衡数据集,采用随机森林算法对专利价值进行评估,该方法比传统的回归方法和神经网络方法具有更高的拟合优度和更小的误差值,具有科学、可行、准确、高效的优点,适用于海量专利的价值评估和专利价值预测。然后对影响专利价值的因素重要性排序发现,专利公开时间长度为影响专利被引次数最重要的因素,其次是权利要求数量、申请人数量和申请人重要性,专利引用次数和专利标题字数两项因素的重要性较低,对预测结果影响较小。最后对专利申请人合作模式与专利价值进行因果分析,结果显示几类合作模式与专利价值均具有显著的因果关系,我们使用其他四种经典匹配方法和偏差调整匹配估计量进行稳健性检验和敏感性分析,以评估由于不可观测因素造成的隐藏偏差,所得结果显著且差异性较小,更证明了我们实验结果的准确性。本文进行专利价值评估并对影响因素进行分析,探究专利申请人合作模式与专利价值间的因果关系。对于专利发明人来说,可以为专利发明人提供建议,在专利创作前期明确专利的重要影响因素并倾向于将精力投入到重要因素中,选取更有利的合作模式,避免投入精力创作的专利后期没有获得授权的局面;对于国家来说,在专利申请爆发期对申请的专利进行价值评估,为专利审查提供便利,提前识别高价值专利与低价值专利,对低价值专利进行进一步甄别,避免投入过高的资源与精力,也避免授权后带来的一系列消极问题,具有较强的实践意义。