深度学习，文本和专利评估-研究论文

本文使用美国专利语料库上的深度学习和自然语言处理（NLP）方法来评估其在评估专利价值的两种指标时的预测能力：（i）投资者对Kogan等人（2017年）所衡量的专利公告的React，以及（ ii）前向引用。 尽管在文献中传统上将前向引用用作经济价值的度量，但其效用主要是追溯性的。 投资者对专利授予的React体现出对专利价值的同时预测，对于管理人员和决策者进行前瞻性决策可能很重要。 我们将使用专利的结构化特征（引文数量，技术类别等）与深度学习和NLP方法的模型的预测性能进行比较。 相对于使用相同功能的线性回归模型，深度学习模型可将平均绝对误差（MAE）降低约32％。 纳入专利文本将使MAE进一步降低13％。