随着以专利为核心的知识产权交易网络平台快速兴起,解决网络平台服务经济环境下专利价值精准评估问题是提升平台专利交易活跃度的关键。目前专利交易平台大多数仍是采用传统的经济学方法和综合评价法评估专利价值,面对大量专利数据评价实践和效果并不理想。此外,关于专利价值评估的研究多强调专利自身因素对价值的影响,忽略了网络平台服务的外部环境影响因素;并且已有的评估指标体系缺乏一定理论指导,相对零散;智能化的专利价值评估方法尚处于初步研究阶段,已有模型缺乏对有效专利信息的筛选和利用。鉴于此,本文基于价值链理论建立了包含技术价值、法律价值、使用价值和平台服务价值的四维网络平台下专利价值评估指标体系,综合考虑了专利的基本活动和网络平台服务的辅助性活动对专利价值增值的影响效应。此外,本文提出了基于灰色关联分析(GCA)—随机森林回归(RFR)的智能化专利价值评估模型,该模型采用熵值修正G1的灰色关联分析法筛选高关联度专利样本,随后对随机森林回归模型进行训练,通过揭示网络平台下专利交易价格与各评估指标间的非线性关系,实现对专利价值的精准评估。实证研究表明,GCA-RFR模型在网络平台专利价值评估实际应用中具有可行性和适用性,与传统的BP神经网络模型相比稳健性更高,可在有限小样本情况下表现出较好的预测效果,且与常规的RFR模型相比也具有较高精准度。文章丰富了专利价值评估方法理论研究,提出了一个适合于网络平台服务经济环境下的专利价值评估智能化方法,可为平台专利定价提供科学参考依据,从而有利于提高专利成交率,促进专利交易平台发展。