高价值专利的取得，既包括了研发创新成果高质量申报，获得高质量的高价值专利；同时也包括了对于已经取得的专利进行筛分，找出高价值专利进行集中管理。在筛分高价值专利的时候，企业也可以根据自己的知识产权仓库丰盈程度，适当放弃一些价值度较低，或者已经被业界放弃的技术路线上的专利，减少企业维持专利成本。
企业已经获得的专利是否构成高价值专利，受到多方面因素影响，包括技术先进性、能否应对竞争者挑战（专利权稳定性）、专利技术在技术路线上的经济价值度等。
具体而言，高价值专利的识别方法有两种：
一、通过专家经验识别
由相关领域技术专家逐篇查看专利技术，找出高价值专利。该方法的识别准确率高，但存在一定主观性，且需要花费较多的人力推入。
二、专利信息指标识别
指标识别法更为通用，是通过专利信息指标识别方法进行评判。相关专利信息指标都是客观数据，例如专利引证频次，专利权利要求项数、同族专利数量、专利涉诉情况等。指标识别法不依赖特定的技术专家阅读，采用大量客观指标进行评价，具有较好的普适推广优势，但该方法对于授权时间较短的专利，引证数据较少，评价准确度可能较低。
最后，借助最近很火的AI技术，以后可能出现基于神经网络算法的人工智能算法，帮助企业识别高价值专利。目前，相关的技术模型目前研究还相对较少，缺少成熟可用的软件模型。需要企业充分研究自己所处领域的技术特点，利用上面两种方法进行综合评估，设定人工智能算法的参数指标。
AI评价结果如何，依赖AI模型设计者对于高价值专利评价水平，必须根据实际领域、行业、企业地位等设定适宜的参数才能最大化达到准确识别的目的。因此，AI识别技术的投入较大，但人工智能技术一定训练完成，就可以快速的完成大量专利分析识别，可作为专家识别方法的前置铺垫，减少专家识别工作量，提高专家阅读分析的效率。