现如今,专利技术已经成为各国各行业发展竞争的主战场。我国在保护知识产权的工作中取得卓越进展,专利数量也显著提升。1985年我国首次实施专利法,在此后的37年发展中,中国发明专利的申请量和授权量已达到世界第一。但因专利发展年限与其他欧美国家相比较短,我国的专利质量还有待提高。本文结合实际案例并引入机器学习的思想,分析专利质量的影响因素,并构建知识图谱。主要研究思路如下:首先,本文构建了专利质量相关指标,通过法律、经济、主体及技术四个方面评定专利质量,结合专利的创造、申请、审查及授权过程,选取18个指标进行分析,并把这些指标作为构建专利质量评价体系的基础。其次,本文构建了专利质量评价体系。以专利价值作为研究对象,结合上文提到的18个指标,对所有数据进行三次分析,分别为二分类数据分析、多分类数据分析及数值型数据分析。利用机器学习的不同算法进行模型构建,对构建完的模型再对其进行检验,以确保模型的准确性。以便申请人在申请专利时能够提前预估专利价值、专利质量。最后,构建专利知识图谱。由于上述两方面是分析专利的外部特征,还需进一步分析专利的内部属性。利用已得到的研究成果,结合机器学习算法分析提取关键词,并利用Word2vec神经网络分别构建单一专利知识图谱及领域专利知识图谱,形成完备的知识网络。以便于发明人提前进行专利布局时,能够了解该领域主流研究方法及研究技术,确保专利具有足够的创新性,也可以有效避免后续法律纠纷,并且节约经济成本。