在科技是第一生产力的背景之下,专利成为国家和企业关注的焦点,专利申请数量急剧上升,然而这些专利总共价值的很大一部分都掌握在少数代表行业内最先进的技术的核心专利手中,如何从海量专利文件中识别出核心专利成为亟待解决的问题。核心专利的识别可以反映某一行业或某一专业技术领域内的总体态势,为企业的技术发展做出指导,并且能够防范专利权纠纷,降低运营的风险,对企业和产业的发展有重要的实际意义。本文介绍了常见的核心专利识别方法,主要分为基于单一指标和指标体系,基于专利引用网络、共被引网络,基于PageRank算法三个方面。而基于单一指标的识别方法过于片面,基于指标体系的识别方法具有很强的主观性,基于网络的识别方法又太过复杂,相对而言,PageRank算法计算简单,且足够客观。因此本文从原始的PageRank算法出发,着重介绍了其原理,并指出原始PageRank算法在迭代过程中使用转移概率平均权值的缺陷,综合考虑专利引文网络的网络结构、时效性,并结合专利文献信息,对原始的PageRank算法进行改进。通过构造文献信息相似性,专利间相对质量、专利时效性三种度量并创建综合评价指标替代平均权重,改进PageRank算法从而得到更合理的排序结果。为了验证改进PageRank算法的识别效果,本文对MIMO技术领域内的专利进行了实证分析,实验证明,改进的PageRank算法,即SQT-PR算法,相对于原始的PageRank算法具有更快的收敛速度,更高的核心专利区分度,并能提现时效性的影响,具有更合理的排序效果。这说明本文具有相当重要的研究意义与实践价值。