一種基于知識圖譜的科技合作推薦方法、設備及存儲介質

本發明屬于智能推薦系統領域，涉及一種基于知識圖譜的科技合作推薦方法、設備及存儲介質。

背景技術：

1、自然語言處理(nlp)技術涉及計算機處理自然語言的各種技術，使得計算機能理解和處理人類語言輸入，如翻譯和情感分析。機器學習(ml)則利用數據來改善系統性能，包括推薦系統中的協同過濾和深度學習技術。知識圖譜描述實體和概念間關系，廣泛應用于智能問答和搜索引擎。推薦算法包括協同過濾、基于內容的過濾和混合算法，以提升推薦準確性和用戶體驗。

2、一般來說公司或企業要尋找科技合作伙伴的過程包括需求分析、市場調研、篩選、初步聯系、技術能力和案例驗證、商務談判與合同簽訂，最后啟動項目并進行持續評估與關系管理，以確保選擇的合作伙伴能夠有效滿足公司的技術需求并達成合作目標。然而，這個過程可能面臨耗時長、信息獲取不足、技術匹配度不理想的挑戰。本發明旨在設計一個智能推薦技術方案，當企業或公司要新開一個項目時，只需要將需求文檔發給想要合作的院校，就能夠快速得到一份按照匹配度從高到低排序的可以合作的邏輯團隊以及單個老師，省去了繁瑣的需求分析、市場調研和篩選階段，直接進入初步聯系階段。

技術實現思路

1、公司或企業尋找合作團隊是一項繁瑣而耗時的任務。在傳統的尋找過程中，需要大量的市場調研、專業人才招聘和團隊評估，而這些過程往往需要耗費大量的時間和資源，同時存在著信息不對稱和專業評估的難題。

2、本發明的第一方面，提供了一種基于知識圖譜的科技合作推薦方法，該方法包括以下步驟：

3、步驟1.收集數據，通過命名體識別和關系抽取將科技情報結構化，再根據結構化的數據構建科技情報知識圖譜；

4、步驟2.通過命名體識別和關系抽取將需求方提供的技術需求文檔結構化；

5、步驟3.使用dssm深度語義相似度模型將步驟2提取出的特征與步驟1知識圖譜中現有的語義特征進行匹配；

6、步驟4.采用基于知識圖譜的路徑嵌入的推薦算法，根據偏好得分高低推薦合作團隊；

7、步驟5.收集需求方人員的意見，使用歷史反饋數據和推薦結果，優化推薦。

8、本發明的第二方面，提供了一種基于知識圖譜的科技合作推薦設備，包括處理器和計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有指令，當所述指令被所述處理器執行時，實現所述的基于知識圖譜的科技合作推薦方法。

9、本發明的第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現所述的基于知識圖譜的科技合作推薦方法。

10、本發明的有益效果：綜上，通過本發明提供的基于知識圖譜的科技合作網絡，可以使公司或企業在高校能夠快速準確地找到自己可以合作的團隊，節省大量時間。

技術特征：

1.一種基于知識圖譜的科技合作推薦方法，其特征在于：該方法包括以下步驟：

2.根據權利要求1所述的一種基于知識圖譜的科技合作推薦方法，其特征在于：所述步驟1?中對科技情報結構化處理具體流程如下：

3.根據權利要求1所述的一種基于知識圖譜的科技合作推薦方法，其特征在于：所述的命名體識別模型依次包括輸入層、預訓練模型層、字符級嵌入層、bilstm層、注意力機制層、crf層和softmax輸出層；

4.根據權利要求3所述的一種基于知識圖譜的科技合作推薦方法，其特征在于：在所述bilstm層中，對于輸入的詞向量，采用正向lstm與反向lstm輸出的隱狀態向量拼接，用于后續的特征提取和表示學習。

5.根據權利要求3所述的一種基于知識圖譜的科技合作推薦方法，其特征在于：在所述crf層中，每個標簽的打分由兩部分組成：一部分是bilstm層輸出的標簽預測概率pi，另一部分是crf的轉移矩陣a。

6.根據權利要求1所述的一種基于知識圖譜的科技合作推薦方法，其特征在于：所述的關系抽取包括關系分類和開放關系抽取；所述開放關系抽取使用分段卷積神經網絡pcnn模型對上一個任務分類過的實體進行進一步的關系抽取，以提取更多未定義的關系。

7.根據權利要求1所述的一種基于知識圖譜的科技合作推薦方法，其特征在于：所述步驟3的特征匹配具體流程如下：

8.根據權利要求1所述的一種基于知識圖譜的科技合作推薦方法，其特征在于：所述步驟4?的具體如下：

9.一種基于知識圖譜的科技合作推薦設備，其特征在于，包括處理器和計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有指令，當所述指令被所述處理器執行時，實現如權利要求1-8任意一項所述的基于知識圖譜的科技合作推薦方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-8任意一項所述的基于知識圖譜的科技合作推薦方法。

技術總結
本發明公開了一種基于知識圖譜的科技合作推薦方法、設備及存儲介質。本發明首先收集數據，通過命名體識別和關系抽取將科技情報結構化，再根據結構化的數據構建科技情報知識圖譜；通過命名體識別和關系抽取將公司或企業提供的技術需求文檔結構化；其次使用DSSM深度語義相似度模型將步驟2提取出的特征與步驟1知識圖譜中現有的語義特征進行匹配；隨后采用基于知識圖譜的路徑嵌入的推薦算法，根據偏好得分高低推薦合作團隊；最后收集公司或企業人員的意見，使用歷史反饋數據和推薦結果，優化推薦。通過本發明提供的基于知識圖譜的科技合作網絡，可以使公司或企業在高校能夠快速準確地找到自己可以合作的團隊，節省大量時間。

技術研發人員：許偉靖,蔣從鋒,劉俊明,歐東陽,徐傳奇
受保護的技術使用者：杭州電子科技大學
技術研發日：
技術公布日：2024/10/21