当前,得益于知识产权战略的大力实施,中国的专利数量迅猛发展。发明专利由于其突出的特点和显著的科技进步,受到了各界的高度重视。而高校作为专利的重要产出地之一,其发明专利的申请数量也取得了显著成效。与数量的不断攀升形成鲜明对比的是,高校发明专利质量的情况却不尽如人意。因此,如何快速准确地从大量申请的高校发明专利中评估其质量情况,从专利申请的源头上降低低质量专利获得授权的概率,提升高校发明专利的整体质量,对各个高校乃至整个国家的高质量发明专利的布局、发展甚至于社会的进步都有着举足轻重的意义。专利的文本数据结构形式良好,但是文档冗长且存在大量晦涩难懂的专业术语,因此采用人工方式对专利文本质量进行分析时,需要耗费大量的人力资源。为了有效解决这个问题,传统的方法或是基于专利的引文网络进行简单统计分析,或是基于评价指标来主观评价质量情况。但专利的引文分析存在着时间滞后性的问题,无法对初始申请阶段的专利进行评估,而指标评价方法又过于依赖专家知识,无法排除主观性的影响,这两类方法都忽视了专利文档中重要的数据信息。深度学习技术的迅猛发展为高质量专利评估提供了一种新的思路。针对专利文本结构的特点,本研究充分考虑专利的文本属性和结构化的数据信息,采取定性与定量结合的方法对专利数据进行分析,基于深度学习技术构建了基于GRUAttention机制的神经网络模型。同时本研究结合专家知识构建了用于评估发明专利质量的关键数据指标和权重,以此对模型进行改进,结果表明,改进后的模型在训练集上有更好的稳定性和准确率。文章最后部分选取C9高校审中发明专利数据为案例,利用构建的评估模型对C9高校审中发明专利进行了质量预测。预测结果为高质量专利的比例为16.38%,普通质量专利的比例为54.95%,低质量专利的比例为28.67%。通过对C9高校发明专利现状和专利预测结果的分析,发现C9高校目前的专利发展存在着重数量轻质量、成果转化率较低以及针对D部类专利的科技创新明显不足的问题。最后,结合本文的研究结果和发现的问题,为促进C9高校发明专利的健康发展,本文提出了转换专利关注方向,强化专利质量意识、合理进行专利布局,基础和重点领域齐头并举和结合预测结果关注重点专利,科学管理专利的合理建议。