【摘要】[目的/意义]随着知识产权网络交易平台不断涌现,解决知识产权交易平台中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;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。[方法/过程]文章构建了包含网络平台特性的专利价值评估指标体系,提出了基于灰色关联分析(GCA)—随机森林回归(RFR)的专利价值评估模型。该模型采用熵值修正G1的灰色关联分析法在专利交易库中筛选高关联度的数据样本,随后对随机森林回归模型进行训练得到专利价值评估结果。[结果/结论]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,与经济学方法和综合评价法相比客观性更强;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。