【摘要】[目的/意义]探索构建高校可转化专利识别模型，精准锁定存在转化价值的专利，对提升高校专利转化效率具有促进作用。[方法/过程] 以人工智能领域为例，首先结合已有研究中使用的专利评估指标，从数据易获取性角度出发，确定了16个指标，并应用主成分分析探索指标之间的相关性，实现对重要指标的筛选；进而，将LDA模型与K-means算法结合，确定专利的技术主题，并与专利评估指标进行融合构建专利特征矩阵；最后，利用AdaBoost算法进行识别模型构建，并应用到对高校可转化专利的识别中，获取每件专利的可转化概率，仿照标准十分评估方法对专利进行划分，确定具备转化价值的专利。[结果/结论] 结果显示，将专利技术主题与评估指标融合后，AdaBoost算法分类准确度提高了10%；通过对高校专利的识别，专利可转化概率呈对数常态分布，具备转化价值的专利比重为22.47%，验证了模型的有效性，为高校专利价值评估研究提供了新的研究思路，也为高校科技成果管理部门的专利运营及企业对高校核心专利的识别提供了实践方案。