专利不仅是企业的技术创新产物,也是其重要的无形财产,更是一个国家创新能力的风向标,已成为推动国家科技、经济发展的重要力量。客观准确的专利价值评估有助于营造全社会的创新气氛,促进科技进步。传统评估方法从商业角度评估专利价值,重视技术成熟度以及已产生的实际价值,对创新性、成长性考量不足,结果差异性大,估值偏低。近些年发展起来的数据科学推动了专利的价值评估研究,从专利文献的属性特征中挖掘评估指标,应用机器学习算法构造评估模型,力图提高对专利创新性及发展潜力评估的客观性和准确性。本文首先分析专利价值评估的研究现状,在专利属性数据集基础上,把专利权人和发明人二部分纳入到专利价值评估模型中,形成专利属性数据、专利权人和发明人这三部份组成的数据集,有利于研究专利的创新能力和转化能力;编写爬虫程序收集三部分数据,如专利属性中的同族数、权利要求数等,发明人拥有的专利数量等,以及专利权人的市值身价、转化能力等,构建了包含44002件电学专利的专利原始数据集;根据inco Pat平台数据制作专利的价值标签,经过预处理和特征挖掘分析后,挑选出与价值标签相关的特征项,合并、整理成专利数据集。通过三种不同的机器学习算法:支持向量机、K近邻算法和BP神经网络构建出三种专利价值评估模型,分别对专利数据集进行挖掘分析,模型经过调参、优化和对比后,采用性能最好的BP神经网络作为专利价值评估的模型。模型经过包含509件具有代表性的电学专利构成的专利测试集验证,评估准确率达到80.2%。研究方法将专利权人和发明人纳入到评估模型中,有助于客观评估专利的技术创新、商业价值和未来潜力等价值;制作了更细致的价值标签,提高结果维度,提高了准确性;是一种客观性强、准确性好的专利价值评估方法。