张更平?王?薇?陈红艺?卢?珊?慎金花：高校技术转移预测模型构建及归因分析——以区块链技术为例
ZhangGengping,WangWei,ChenHongyi,LuShan,ShenJinhua:ThePredictionModelofUniversityTechnologyTransferandAttributionAnalysis:EmpiricalResearchinBlockchainTechnology??6161
高校技术转移预测模型构建及归因分析
——以区块链技术为例
张更平?王?薇?陈红艺?卢?珊?慎金花?12231
?（1?同济大学图书馆?2?同济大学经济与管理学院?3?同济大学科研管理部）
摘??要?文章构建了高校专利转移预测模型，探索了影响预测效果的特征变量，以提升我国高校
专利转化率，实现无形资产的产业价值。在清洗及标准化相关字段后，分别运用LDA、SBERT、
SBERT-LDA模型提取专利技术主题，对比了不同主题提取模型的预测结果，以准确率、精确度、
召回率及值评估了种常用分类算法的效果，并以区块链技术领域所涉专利数据开展实证分
F16
析。实验结果表明，在区块链技术领域，采用SBERT-LDA方法提取专利技术主题后的随机森林
算法展现出更优的预测性能。在此基础上，进一步运用SHAP解释框架分析了影响模型预测的特
征变量，并解读了其作用机理。研究发现，特征变量对预测效果的作用可分为二分类、正相关、
负相关以及随机波动型类。
4
关键词?高校专利转移预测模型机器学习随机森林算法SHAP
DOI:10.13663/ki.lj.2025.01.005
ThePredictionModelofUniversityTechnologyTransferand
AttributionAnalysis:EmpiricalResearchinBlockchainTechnology
12231
ZhangGengping,WangWei,ChenHongyi,LuShan,ShenJinhua
(1TongjiUniversityLibrary;2SchoolofEconomicsandManagement,TongjiUniversity;3Officeof
ResearchAdministration,TongjiUniversity)
AbstractThestudyconstructsapredictionmodelforuniversitypatenttransfersandexploresthe
characteristicvariablesthataffectthepredictiveaccuracytoimprovethepatentconversionrateof
Chineseuniversities.Aftercleaningandstandardizingthepatentfields,thestudyusesLDA,SBERT,
andSBERT-LDAtoextractthepatenttechnologytopics.Theimpactofthesetopicextractionmodelson
thepredictionperformanceiscompared.Additionally,sixcommonlyusedclassificationalgorithmsare
evaluatedonaccuracy,precision,recall,andF1score.Theexperimentalresultsshowthatinthefieldof
blockchaintechnology,therandomforestalgorithmcombinedwithth