核心专利的科学预测对于企业技术战略性布局具有重要意义。专利作为科技创新的产物,在市场竞争中发挥着非常重要的作用,而核心专利作为企业创新能力的代表,也成为大众关注的焦点。如何科学的预测核心专利是现在需要解决的关键问题,这对于企业的发展以及进行技术研发布局有很重要的参考价值。本文首先总结了国内外关于核心专利的研究现状,指出该研究主要集中在核心专利的识别方面,而对于核心专利的预测研究相对较少。与此同时,介绍了现有的核心专利识别方法,主要包括专利指标频次统计法、专利指标体系法、基于布拉德福定律的分析方法、专利诉讼信息分析法,并分析了每种方法的优势和不足。在核心专利预测思想的基础上,本文构建了一个技术领域细分视角下基于支持向量机算法的核心专利预测模型。首先,为了实现同类评价,提高核心专利预测的准确率,引入技术领域细分的观点。在专利相似性测量的基础上,选择专利的MC和摘要信息构建专利综合相似网络,结合社会网络分析中的社团发现算法——Louvain method划分专利相似网络,实现技术领域的细分。然后,在技术领域细分的基础上,多角度分析专利文献的性质以及专利质量评价的主流指标,从主流指标中选择并构建科学而全面的指标体系:四年内被引频次、同族专利数、专利宽度、权利要求数、科学关联度。最后使用支持向量机算法进行核心专利预测模型的构建。为了验证文中提出模型的可行性,以OLED领域核心专利预测为例进行实证研究。通过比较模型预测出来的结果,发现文中提出的模型可以较准确的预测出OLED领域的核心专利,而且这些预测出来的核心专利在现实中确实是对后来的专利产生重要影响的专利,对各个企业的发展有很重要的指导作用。同时从“误判率”和“漏判率”两个角度分析了专利预测时出现错误的原因。最后为了进一步验证文中预测模型的准确性和科学性,从“是否进行技术领域细分”和“与其它常用分类预测方法区别(Logistic、K近邻分类算法、贝叶斯分类算法、径向基神经网络算法)”两个视角进行了比较分析,结果表明本文提出的基于技术领域细分视角下的核心专利预测模型在预测效果上具有一定的比较优势。与此同时,论文还讨论了指标个数遴选对于预测结果的影响,结果亦表明当前建立的五个指标预测模型相对而言最为科学合理。