研究背景与问题

高价值专利的识别对于提升企业创新能力、促进技术进步具有重要意义。然而，现有的高价值专利识别方法普遍存在对评估指标内涵理解不深、对专利文本语义挖掘与逻辑推理不足等问题。这些问题导致模型在高价值专利特征认知、泛化性能与结果可解释性等方面表现受限，难以满足实际应用需求。

研究方法

针对上述问题，本文提出了一种基于大模型多智能体协作的高价值专利识别方法。该方法首先构建了一个大模型，通过深度学习技术对专利文本进行语义挖掘和逻辑推理，以深入理解专利的内涵。在此基础上，引入多智能体协作机制，实现智能体之间的信息共享和协同决策，从而提高识别的准确性和效率。

核心结果

本文提出的方法在多个高价值专利数据集上进行了实验验证。实验结果表明，与传统的专利识别方法相比，该方法在识别准确率、泛化性能和结果可解释性等方面均有显著提升。具体而言，该方法在识别准确率上提高了约10%，在泛化性能上提高了约5%，在结果可解释性上提高了约20%。

结论与意义

本文提出的高价值专利识别方法通过大模型和多智能体协作，有效解决了现有方法在评估指标理解、语义挖掘和逻辑推理等方面的不足。该方法不仅提高了高价值专利识别的准确性和效率，而且增强了结果的可解释性，为高价值专利的筛选和应用提供了有力支持。此外，该方法具有较强的通用性和可扩展性，有望在专利分析、技术预测等领域得到广泛应用。