目的 探索基于机器学习的开放创新创意识别方法，解决创意识别过程中存在的耗时长、效率低、成本高等问题。方法 从用户特征、用户参与度和创意内容特征三个方面构建评估模型，以OpenIDEO社区为研究对象，采集数据并进行数据清洗和数据转化映射，最后进行多种机器学习算法的参数优化，并以F1值为选择标准，选择分类效果最佳的算法作为分类模型。结果 运用KNN、SVM、决策树、随机森林四种机器学习算法分析OpenIDEO数据，随机森林算法通过参数优化取得了最大的F1值(0.919 09)，同时对于验证数据，该算法同样可以取得较好的分类效果。结论 应用机器学习方法对开放式创新社区中的创意进行识别，具有较高的可行性和有效性，可以大大降低社区在创意筛选中的投入，提高创新效率，优化社区生态。