CN111813958A - 基于创新创业平台的智慧服务方法与系统 - Google Patents
基于创新创业平台的智慧服务方法与系统 Download PDFInfo
- Publication number
- CN111813958A CN111813958A CN202010716331.0A CN202010716331A CN111813958A CN 111813958 A CN111813958 A CN 111813958A CN 202010716331 A CN202010716331 A CN 202010716331A CN 111813958 A CN111813958 A CN 111813958A
- Authority
- CN
- China
- Prior art keywords
- platform
- service
- intelligent
- innovation
- technology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 claims abstract description 78
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000010801 machine learning Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 238000013507 mapping Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 24
- 230000008569 process Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011534 incubation Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于创新创业平台的智慧服务方法与系统，属于创新创业服务平台技术领域，包括以下步骤：S1：引入多源异构大数据存取技术，构建包括创新创业资源库；S2：引入知识图谱技术，形成支撑类脑服务的知识库；S3：通过基于深度神经网络的摘要生成、标签提取和文本生成技术；S4：通过无监督自适应推荐算法，为创业者推荐和匹配符合需求的平台各项服务资源；S5：基于知识图谱的智能问答技术，提供低成本和自动化的咨询服务。S6：基于知识图谱的智能问答技术，提供帮助选择和专业指导的自动化的咨询服务。得到更专业的指导，平台以此实现高效率、高质量地服务客户并解决客户业务问题，选择结果同时继续优化人工智能的机器学习。
Description
技术领域
本发明涉及创新创业服务平台领域，特别涉及基于创新创业平台的智慧服务方法与系统。
背景技术
推进大众创业、万众创新，是我国科技发展的动力之源，也是富民之道、公平之计、强国之策。至今为止，我国各类创新创业市场主体达到9800多万户，五年增加70％以上，由跟跑为主转向更多领域并跑、领跑，成为全球瞩目的创新创业热土。在这些不同的群体中也涌现了许多管理平台，有政府主导的帮扶和推广政策为主的公共服务平台，有工业园区提供创业培训、创业指导、创业场地的服务平台，有高校主导的创新创业教育平台，有孵化器针对投资和咨询为主的孵化平台，有针对各种中小企业供需的服务交易平台。
存在问题：
平台过多引入了信息过载的问题，创新创业缺的是帮助选择和专业指导。
平台在线上、线下协同服务方面存在不足，不少平台只有线下服务。
公益性的政府和帮扶机构投入不足，盈利性企业势单力薄，难以形成共享的创新创业生态平台。
技术资源分散，服务流程繁琐，服务效率低下，服务内容和形式同质化严重。
平台多数停留在竞争排名类型的服务展示，这加剧了贫富的差距的，违背创新创业公平的法则。
平台没有引入人工智能技术来改变平台服务能力、效率、质量以及运营模式、降低运营成本。
发明内容
本发明的目的在于提供基于创新创业平台的智慧服务方法与系统，具有平台以此实现高效率、高质量地服务客户并解决客户业务问题，选择结果同时继续优化人工智能的机器学习的优点，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：基于创新创业平台的智慧服务方法，包括以下步骤：
S1：引入多源异构大数据存取技术，构建包括服务、政策、人才、技术、资金、专利、设备、市场、专家九项创新创业资源库；
S2：引入知识图谱技术，形成能够支撑类脑服务的知识库；
S3：通过基于深度神经网络的摘要生成、标签提取和文本生成技术，以挖掘创新创业资源库的价值以及为创业者提供自动编写文件服务；
S4：通过无监督自适应推荐算法，为创业者推荐和匹配符合需求的平台各项服务资源；
S5：通过基于知识图谱的智能问答技术，提供低成本和自动化的咨询服务；
S6：基于知识图谱的智能问答技术，提供帮助选择和专业指导的自动化的咨询服务。
进一步地，针对S1中，九大平台服务通过引入多源异构大数据存取技术，构建创新创业资源库，多源异构创新创业资源大数据快速存取通过大规模并行处理数据库集群+Hadoop集群的融合存储方式，使用MPP处理大规模、高质量的结构化数据，为应用提供丰富的SQL和事务支持能，以及使用Hadoop实现半结构化、非结构化数据处理，通过统一的数据查询接口的设计以及多源异构的创新创业资源快速查询算法设计，能同时满足结构化、半结构化和非结构化数据的处理需求。
进一步地，针对S2中，引入知识图谱技术，并基于非结构化文本建立RDF，资源描述框架结构的知识库。
进一步地，针对S3中，多源异构创新创业资源自动分类、摘要生成与自动文件，使用基于门控制循环神经网络的Seq2Seq实现特征提取，并且将进一步优化注意力机制以及预测器以获取更精准的分类和生成模型，其中，注意力机制通过分析每一个特征的贡献值提升特征提取的精度，以及预测器根据提取到的特征做出预测。
进一步地，针对S4中，基于监督、半监督或无监督的融合理论模型，研究和实践创新创业资源智能检索、推荐、问答的理论和方法。
进一步地，针对S5中，使用基于知识图谱和语义分析的智能检索算法技术、基于大数据的智能代理技术、基于语义关联的智能推荐算法技术，来建设专业服务型智能客服模型。
本发明提出的另一种技术，包括基于创新创业平台的智慧服务的系统，包括核心基础层和组件层：
所述的核心基础层通过基于分布式的MySQL集群以及Hadoop的Hive以及HDFS组件，构建了融合数据存储集群；基于Hadoop的Spark和MapReduce构建了大数据分析平台；基于Tensorflow以及PyTorch架构构建了机器学习分析平台；
所述的组件层基于爬虫技术构建数据获取和清洗子系统；二是构建统计和分析的大数据分析子系统；三是集成各种机器学习核心推荐算法，基于内容、基于协同过滤、基于模型、混合推荐组建成算法组件。
进一步地，微服务架构将组件层中的三个子系统的服务进行集成和管理，并可进一步拓展为技术中台，并且基于Java Web架构体系构建了Web形式、APP形式以及微信小程序展示平台，并且这些平台通过微服务API调用各类智能算法。
与现有技术相比，本发明的有益效果是：
1、本基于创新创业平台的智慧服务方法与系统，通过人工智能融合技术为客户实施帮助选择和专业指导，平台针对客户自身的需求，提供集成资源的“优选推荐、低风险推荐、高风险推荐”三类截然不同帮助选择服务，若客户对此不满意可与智能客户互动，得到更专业的指导，平台以此实现高效率、高质量地服务客户并解决客户业务问题，选择结果同时继续优化人工智能的机器学习。
2、本基于创新创业平台的智慧服务方法与系统，全面提升精细化精准服务水平，全面加快科技创新步伐，构建起覆盖海量用户的个性化、差异化、智能化在线服务体系，平台在易用性、开放性、丰富度、人工智能方面都能够支撑创新创业产业的快速发展，提升综合科技服务能力，推动科技服务模式转型，促进技术交流和科技成果转移，引导更广泛的社会资源支持创新创业。
3、本基于创新创业平台的智慧服务方法与系统，有效地提高需求、服务、资源生态的共享程度，实现商业闭环，全面提升服务效率和水平，更好地满足创新创业者和实体经济多样化的需求。通过大数据和人工智能先进技术为企业、创新创业者提供更准确、更低成本的创新创业服务，解决初创企业的生存难题。
附图说明
图1为本发明的创新创业平台智慧服务的技术处理流程；
图2是本发明的基于MMP与Hadoop的融合存储架构；
图3是本发明的知识图谱提取RDF三元关系的架构图；
图4为本发明的基于GRU的Seq2Seq架构；
图5为本发明的推荐领域的Actor-Critic深度强化学习架构；
图6是本发明的基于知识图谱的问答架构图；
图7是本发明的创新创业智慧服务平台体系架构；
图8为本发明的创新创业平台的智慧服务流程；
图9为本发明的创新创业平台智慧服务的人工智能处理流程。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚；完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
请参阅图1，基于创新创业平台的智慧服务方法，包括以下步骤：
步骤一：引入多源异构大数据存取技术，构建包括服务、政策、人才、技术、资金、专利、设备、市场、专家九项创新创业资源库；
请参阅图2，九大平台服务通过引入多源异构大数据存取技术，构建创新创业资源库，由于创新创业服务资源数字化途径和表示方法差异大、数据结构复杂，多为非结构化数据，其存储、查询属于复杂的大数据管理和分析问题，解决创新创业服务平台对政策、文件和培训内容资源的存取问题，通过设计大数据的非结构化海量存储和快速获取技术，多源异构创新创业资源大数据快速存取通过大规模并行处理数据库集群+Hadoop集群的融合存储方式，使用MPP处理大规模、高质量的结构化数据，为应用提供丰富的SQL和事务支持能，以及使用Hadoop实现半结构化、非结构化数据处理，通过统一的数据查询接口的设计以及多源异构的创新创业资源快速查询算法设计，能同时满足结构化、半结构化和非结构化数据的处理需求；
步骤二：引入知识图谱技术，形成能够支撑类脑服务的知识库；
请参阅图3，引入知识图谱技术，并基于非结构化文本建立RDF，资源描述框架结构的知识库；
如何从以散乱形式存储在数据库的创新创业资源中提取有用的知识，为各种实际应用提供智能支持，是当前大数据分析的关键，知识图谱技术作为一种从海量文本和图像中抽取结构化知识的手段，能够很好的解决该问题，包括实体关系识别技术、知识融合技术、实体链接技术和知识推理技术，本平台中，为了协助文本内容自动分类(关键词提取)、摘要生成、文件自动编写、推荐、智能查询以及智能客服的应用，引入知识图谱技术，并基于非结构化文本建立RDF结构的知识库，为此还进行了以下技术设计：
(1)于OpenIE工具的知识提取子系统的设计；
(2)基于Embedding技术的三元组语义表示方法研究；
(3)创新创业知识三元组规范化。
步骤三：通过基于深度神经网络的摘要生成、标签提取和文本生成技术；
请参阅图4，针对创新创业资源多源异构的特点，利用监督、半监督或无监督的深度学习方法，解决创新创业资源的自动分类、智能标识、管理及价值挖掘的问题，为了对收集到的大量政策文件进行快速分类，以及为了在减轻政府机构以及创业者的工作量的同时挖掘出大量政策资源的价值，以挖掘创新创业资源库的价值以及为创业者提供自动编写文件服务，多源异构创新创业资源自动分类、摘要生成与自动文件，使用基于门控制循环神经网络的Seq2Seq(“编码器-解码器”结构)实现特征提取，并且将进一步优化注意力机制以及预测器以获取更精准的分类和生成模型，其中，注意力机制通过分析每一个特征的贡献值提升特征提取的精度，以及预测器根据提取到的特征做出预测；
针对上述情况的特点，设计并使用以下技术：
(1)基于深度学习的创新创业资源自动分类算法技术；
(2)基于注意力机制的民间文化资源摘要自动生成算法技术；
(3)基于对抗神经网络的创新创业文件自动编写模型技术；
步骤四：通过无监督自适应推荐算法，为创业者推荐和匹配符合需求的平台各项服务资源，基于监督、半监督或无监督的融合理论模型，研究和实践创新创业资源智能检索、推荐、问答的理论和方法，推荐技术而言，当前效果较好的推荐系统过于依赖大规模的标注数据，以及存在处理长期推荐需要重新训练的缺点，如图5所示，采用基于语义分析的智能检索算法设计、基于深度强化学习的无监督自适应推荐算法的设计、基于注意力机制的推荐算法设计技术，将深度强化学习应用到推荐领域；
步骤五：创新创业服务的内容体系庞杂，使用智能客服显然具备非常大的商业价值，尤其是在受资金成本限制初创企业，其应用价值更加明显。平台将使用基于知识图谱和语义分析的智能检索算法技术、基于大数据的智能代理技术、基于语义关联的智能推荐算法技术，来建设专业服务型智能客服模型，例如，如图6所示，模型以自然语言处理(NatureLanguage Processing，NLP)的方式理解问题，并通过SPARQL(RDF的查询语言)语句查询知识图谱数据库，最终返回准确的答案。
步骤六：基于知识图谱的智能问答技术，提供帮助选择和专业指导的自动化的咨询服务，人工智能成为创新创业平台的客服导师，平台直接向用户提供服务帮助选择。
为了更好的展示创业平台智慧服务，本实施例提出基于创新创业平台的智慧服务系统，包括核心基础层和组件层，并且如图7：
涉及多个功能种类各异的子系统，包括政策信息发布平台，服务、技术、人才、资金和市场供需平台，以及创业孵化业务处理子系统，同时，为了利用大数据和人工智能技术提升这些子系统的服务水平和降低运营成本
核心基础层通过基于分布式的MySQL集群以及Hadoop的Hive以及HDFS组件，构建了融合数据存储集群；基于Hadoop的Spark和MapReduce构建了大数据分析平台；基于Tensorflow以及PyTorch架构构建了机器学习分析平台；
组件层基于爬虫技术构建数据获取和清洗子系统；二是构建统计和分析的大数据分析子系统；三是集成各种机器学习核心推荐算法，基于内容、基于协同过滤、基于模型、混合推荐组建成算法组件，微服务架构将组件层中的三个子系统的服务进行集成和管理，并可进一步拓展为技术中台，并且基于Java Web架构体系构建了Web形式、APP形式以及微信小程序展示平台，并且这些平台通过微服务API调用各类智能算法，通过大数据以及人工智能技术，构建统一的创新创业智慧服务平台，是企业、全区、创新创业者为核心的各类市场主体对政策、服务、技术、人才、资金、场地、项目各类创新创业资源的有效整合和利用的必要条件，也是国家、省、市和县区的共性需求。其中，创新创业服务平台包括政策、服务、技术、人才、资金、市场和创业孵化功能。
实施例二：
通过大数据以及人工智能技术，构建统一的创新创业智慧服务平台，是企业、全区、创新创业者为核心的各类市场主体对政策、服务、技术、人才、资金、场地、项目各类创新创业资源的有效整合和利用的必要条件，也是需求，其中，创新创业服务平台包括政策、服务、技术、人才、资金、市场和创业孵化功能。因此，整体上构建了下述不同类型的子系统：
(1)找政策信息发布平台：通过抓取对比、工具保障、人工微调和用户贡献方式构建数据更新方式；针对企业对政策的共性需求，根据地域、行业、领域、条件进行定向、精准的检索和推送服务；并利用文本处理技术为用户提供文件自动生成服务。
(2)找服务、找技术、找人才和找市场供需平台：针对不同行业、不同领域、不同规模、不同阶段和不同需求的企业，提供需求与服务的高效便捷交易平台。
(3)找资金：为企业构建完整的融资生态，例如在种子期和初创期引导天使投资，在生存期引导政府扶植资金，在扩张期引导风险投资，在成熟期引导股权融资。
(4)创业孵化中心：为创业者提供创业评测、创业培训、创业场地在内的全方位服务。
请参阅图8，平台提供包括服务、政策、人才、技术、资金、专利、设备、市场、专家九大平台服务内容，推进覆盖科技创新全链条的科技服务体系建设，平台主要引入以大数据分析、机器学习、自然语言处理、知识图谱、智能推荐人工智能技术手段为基础构建通用模型，把平台九大服务内容知识纳入训练和推理，进行多态整合和智能分析，使人工智能成为创新创业平台的客服导师，平台直接向用户提供“优选推荐、低风险推荐、高风险推荐”的三种选择模式的帮助选择，若客户对此不满意可与智能客户互动，得到更专业的指导，少走弯路客户解决问题，并且人工智能进行机器学习优化，不断的升级，该技术的应用成果除可以应用在创新创业平台上，还可以应用到互联网上各种复杂的电子商务算法推荐场景。
实施例三：
请参阅图9，在创业平台智慧服务的人工处理时，需要大数据获取与清洗，将预处理与机器自动处理相结合的过程，完成人工预处理之后，利用有关技术如数理统计、数据挖掘或预定义的清理规则将脏数据转化为满足数据质量要求的数据；并且对大数据价值提取，通过非结构化的信息主要指的是是使用文字表达的人类语言，这与大多数关系型数据有着很大的不同，你需要使用一些新的工具来进行自然语言处理、搜索和文本分析，把基于文本内容的业务流程进行可视化展示；知识图谱构建协助文本内容自动分类(关键词提取)、摘要生成、文件自动编写、推荐、智能查询以及智能客服的应用，重点引入知识图谱技术，建立RDF(资源描述框架，Resource Description Framework)结构的知识库；数据挖掘与利用，它将数据可视化、数据库技术、高性能计算机、统计学、机器学习、模式识别、人工智能多个范畴的理论和技术融合在一起。数据挖掘的主要方法概括为：预测模型方法、数据分割方法、关联分析法和偏离分析法，解决实际问题时，将已知的数据库蕴含的复杂信息转换成数学的语言，建立数学模型，运用相应的处理方法结果会更加有效；知识服务，创业平台各种显性和隐性知识资源中按照人们的需要有针对性地提炼知识和信息内容，搭建知识网络，为用户提出的问题提供知识内容或解决方案的信息服务过程。
全面提升精细化精准服务水平，全面加快科技创新步伐，构建起覆盖海量用户的个性化、差异化、智能化在线服务体系，平台在易用性、开放性、丰富度、人工智能方面都能够支撑创新创业产业的快速发展，提升综合科技服务能力，推动科技服务模式转型，促进技术交流和科技成果转移，引导更广泛的社会资源支持创新创业。
平台将利用大数据分析、机器学习、自然语言处理、知识图谱、智能推荐人工智能技术为基础构建通用模型，把创新创业平台的：服务、政策、人才、技术、资金、专利、设备、市场、专家九大平台服务内容知识纳入训练和推理，进行多态整合和智能分析，使人工智能成为创新创业平台的客服导师，向用户提供帮助选择和专业指导的智能服务，使用AI技术将提高平台的服务能力、效率、质量并降低运营成本，同时使平台成为真正线上线下一体化的服务平台；通过推荐算法使服务资源不集中在某几个供应商身上，让平台服务供应商处于平展示的公平地位；在解决初创企业及平台各类客户的业务问题同时，平台的人工智能系统通过机器学习不断成长，使平台能够持续为创新创业服务，推动创新创业者实现自身价值的同时，也实现平台的商业价值，使之可持续发展的构建创新创业生态平台
有效地提高需求、服务、资源生态的共享程度，实现商业闭环，全面提升服务效率和水平，更好地满足创新创业者和实体经济多样化的需求。通过大数据和人工智能先进技术为企业、创新创业者提供更准确、更低成本的创新创业服务，解决初创企业的生存难题。
综上所述，本基于创新创业平台的智慧服务方法与系统，通过人工智能融合技术为客户实施帮助选择和专业指导，平台针对客户自身的需求，提供集成资源的“优选推荐、低风险推荐、高风险推荐”三类截然不同帮助选择服务，若客户对此不满意可与智能客户互动，得到更专业的指导，平台以此实现高效率、高质量地服务客户并解决客户业务问题，选择结果同时继续优化人工智能的机器学习。
全面提升精细化精准服务水平，全面加快科技创新步伐，构建起覆盖海量用户的个性化、差异化、智能化在线服务体系，平台在易用性、开放性、丰富度、人工智能方面都能够支撑创新创业产业的快速发展，提升综合科技服务能力，推动科技服务模式转型，促进技术交流和科技成果转移，引导更广泛的社会资源支持创新创业。
有效地提高需求、服务、资源生态的共享程度，实现商业闭环，全面提升服务效率和水平，更好地满足创新创业者和实体经济多样化的需求。通过大数据和人工智能先进技术为企业、创新创业者提供更准确、更低成本的创新创业服务，解决初创企业的生存难题。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.基于创新创业平台的智慧服务方法，其特征在于，包括以下步骤：
S1：引入多源异构大数据存取技术，构建包括服务、政策、人才、技术、资金、专利、设备、市场、专家九项创新创业资源库；
S2：引入知识图谱技术，形成能够支撑类脑服务的知识库；
S3：通过基于深度神经网络的摘要生成、标签提取和文本生成技术，以挖掘创新创业资源库的价值以及为创业者提供自动编写文件服务；
S4：通过无监督自适应推荐算法，为创业者推荐和匹配符合需求的平台各项服务资源；
S5：通过基于知识图谱的智能问答技术，提供低成本和自动化的咨询服务；
S6：基于知识图谱的智能问答技术，提供帮助选择和专业指导的自动化的咨询服务。
2.根据权利要求1所述的基于创新创业平台的智慧服务方法，其特征在于：针对S1中，九大平台服务通过引入多源异构大数据存取技术，构建创新创业资源库，多源异构创新创业资源大数据快速存取通过大规模并行处理数据库集群+Hadoop集群的融合存储方式，使用MPP处理大规模、高质量的结构化数据，为应用提供丰富的SQL和事务支持能，以及使用Hadoop实现半结构化、非结构化数据处理，通过统一的数据查询接口的设计以及多源异构的创新创业资源快速查询算法设计，能同时满足结构化、半结构化和非结构化数据的处理需求。
3.根据权利要求1所述的基于创新创业平台的智慧服务方法，其特征在于：针对S2中，引入知识图谱技术，并基于非结构化文本建立RDF，资源描述框架结构的知识库。
4.根据权利要求1所述的基于创新创业平台的智慧服务方法，其特征在于：针对S3中，多源异构创新创业资源自动分类、摘要生成与自动文件，使用基于门控制循环神经网络的Seq2Seq实现特征提取，并且将进一步优化注意力机制以及预测器以获取更精准的分类和生成模型，其中，注意力机制通过分析每一个特征的贡献值提升特征提取的精度，以及预测器根据提取到的特征做出预测。
5.根据权利要求1所述的基于创新创业平台的智慧服务方法，其特征在于：针对S4中，基于监督、半监督或无监督的融合理论模型，研究和实践创新创业资源智能检索、推荐、问答的理论和方法。
6.根据权利要求1所述的基于创新创业平台的智慧服务方法，其特征在于：针对S5中，使用基于知识图谱和语义分析的智能检索算法技术、基于大数据的智能代理技术、基于语义关联的智能推荐算法技术，来建设专业服务型智能客服模型。
7.根据权利要求1所述的基于创新创业平台的智慧服务的系统，其特征在于：包括核心基础层和组件层：
所述的核心基础层通过基于分布式的MySQL集群以及Hadoop的Hive以及HDFS组件，构建了融合数据存储集群；基于Hadoop的Spark和MapReduce构建了大数据分析平台；基于Tensorflow以及PyTorch架构构建了机器学习分析平台；
所述的组件层基于爬虫技术构建数据获取和清洗子系统；二是构建统计和分析的大数据分析子系统；三是集成各种机器学习核心推荐算法，基于内容、基于协同过滤、基于模型、混合推荐组建成算法组件。
8.根据权利要求7所述的基于创新创业平台的智慧服务的系统，其特征在于：微服务架构将组件层中的三个子系统的服务进行集成和管理，并可进一步拓展为技术中台，并且基于Java Web架构体系构建了Web形式、APP形式以及微信小程序展示平台，并且这些平台通过微服务API调用各类智能算法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2020106961417 | 2020-07-20 | ||
| CN202010696141 | 2020-07-20 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111813958A true CN111813958A (zh) | 2020-10-23 |
| CN111813958B CN111813958B (zh) | 2023-10-20 |
Family
ID=72862318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010716331.0A Active CN111813958B (zh) | 2020-07-20 | 2020-07-23 | 基于创新创业平台的智慧服务方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111813958B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112199517A (zh) * | 2020-11-17 | 2021-01-08 | 西安交通大学 | 一种it/ot驱动的技术管理创新方法 |
| CN112288177A (zh) * | 2020-11-03 | 2021-01-29 | 云南电网有限责任公司信息中心 | 基于triz创新理论的智能推荐方法 |
| CN112671865A (zh) * | 2020-12-16 | 2021-04-16 | 之江实验室 | 一种基于sdn的物联网微服务自动编排方法 |
| CN113298435A (zh) * | 2021-06-21 | 2021-08-24 | 中交第二航务工程局有限公司 | 建筑业施工方案智能编制方法及其系统 |
| CN113360493A (zh) * | 2021-07-12 | 2021-09-07 | 兰州领新网络信息科技有限公司 | 一种创新创业大数据服务平台 |
| CN115660608A (zh) * | 2022-12-14 | 2023-01-31 | 揭阳职业技术学院 | 一种一站式的创新创业孵化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017080220A1 (zh) * | 2015-11-12 | 2017-05-18 | 百度在线网络技术（北京）有限公司 | 知识数据的处理方法和装置 |
| CN108959613A (zh) * | 2018-07-17 | 2018-12-07 | 杭州电子科技大学 | 一种面向rdf知识图谱的语义近似查询方法 |
| CN111160926A (zh) * | 2019-10-14 | 2020-05-15 | 桂林理工大学 | 一种中小企业智能咨询服务云架构 |
-
2020
- 2020-07-23 CN CN202010716331.0A patent/CN111813958B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017080220A1 (zh) * | 2015-11-12 | 2017-05-18 | 百度在线网络技术（北京）有限公司 | 知识数据的处理方法和装置 |
| CN108959613A (zh) * | 2018-07-17 | 2018-12-07 | 杭州电子科技大学 | 一种面向rdf知识图谱的语义近似查询方法 |
| CN111160926A (zh) * | 2019-10-14 | 2020-05-15 | 桂林理工大学 | 一种中小企业智能咨询服务云架构 |
Non-Patent Citations (1)
| Title |
|---|
| 柳益君;李仁璞;罗烨;黄纯国;曹凤雪;: "人工智能+图书馆知识服务的实现路径和创新模式", 图书馆学研究, no. 10 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288177A (zh) * | 2020-11-03 | 2021-01-29 | 云南电网有限责任公司信息中心 | 基于triz创新理论的智能推荐方法 |
| CN112199517A (zh) * | 2020-11-17 | 2021-01-08 | 西安交通大学 | 一种it/ot驱动的技术管理创新方法 |
| CN112199517B (zh) * | 2020-11-17 | 2023-07-18 | 西安交通大学 | 一种it/ot驱动的技术管理创新方法 |
| CN112671865A (zh) * | 2020-12-16 | 2021-04-16 | 之江实验室 | 一种基于sdn的物联网微服务自动编排方法 |
| CN113298435A (zh) * | 2021-06-21 | 2021-08-24 | 中交第二航务工程局有限公司 | 建筑业施工方案智能编制方法及其系统 |
| CN113360493A (zh) * | 2021-07-12 | 2021-09-07 | 兰州领新网络信息科技有限公司 | 一种创新创业大数据服务平台 |
| CN115660608A (zh) * | 2022-12-14 | 2023-01-31 | 揭阳职业技术学院 | 一种一站式的创新创业孵化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111813958B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111813958B (zh) | 基于创新创业平台的智慧服务方法与系统 | |
| CN109767255B (zh) | 一种通过大数据建模实现智能运营及精准营销的方法 | |
| CN110489749B (zh) | 一种智能办公自动化系统的业务流程优化方法 | |
| CN113723853A (zh) | 岗位胜任力需求数据处理方法及装置 | |
| Zhang et al. | Combining explicit entity graph with implicit text information for news recommendation | |
| Huang et al. | Intangible cultural heritage management using machine learning model: a case study of Northwest Folk Song Huaer | |
| Liu et al. | Research on big data-driven rural revitalization sharing cogovernance mechanism based on cloud computing technology | |
| CN102073666A (zh) | 具有动态性的空间信息处理服务组合方法 | |
| Zhou et al. | Innovative design of an art teaching quality evaluation system based on big data and an association rule algorithm from the perspective of sustainable development | |
| Zhao et al. | Online distance learning precision service technology based on big data analysis | |
| Wang | Application of MPP database and artificial intelligence system in online evaluation of college students' mental health | |
| Liu et al. | Research on the application mode of green environment design under the background of artificial intelligence | |
| Chen et al. | Hybrid deep collaborative filtering for job recommendation | |
| Qiu et al. | Construction of data resource sharing platform in college students’ ideological and political education based on deep learning | |
| Sui et al. | [Retracted] Optimization Simulation of Supply‐Side Structure of Agricultural Economy Based on Big Data Analysis in Data Sharing Environment | |
| Lin et al. | [Retracted] Design and Communication of City Brand Image Based on Big Data and Personalized Recommendation System | |
| Xia et al. | Construction of learner group characteristics model based on network learning data perception and mining | |
| Xiong | Comparative Analysis of Chinese Culture and Hong Kong, Macao, and Taiwan Culture in the Field of Public Health Based on the CNN Model | |
| Sun et al. | Application of big data analysis and cloud computing in network platform building | |
| Diao et al. | The artificial intelligence in personal knowledge management | |
| Zhang et al. | Research and Application of Agriculture Knowledge Graph | |
| Li et al. | Optimization of enterprise human resource management system by using information search and machine learning | |
| CN113868322B (zh) | 一种语义结构解析方法、装置、设备及虚拟化系统、介质 | |
| Deng et al. | Construction and Implementation of Marxist Learning Platform in New Media Environment | |
| Liu | A public opinion monitoring system based on big data technology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |