CN113240562A - 一种基于nlp的产学研项目推荐匹配方法与系统 - Google Patents
一种基于nlp的产学研项目推荐匹配方法与系统 Download PDFInfo
- Publication number
- CN113240562A CN113240562A CN202110589036.8A CN202110589036A CN113240562A CN 113240562 A CN113240562 A CN 113240562A CN 202110589036 A CN202110589036 A CN 202110589036A CN 113240562 A CN113240562 A CN 113240562A
- Authority
- CN
- China
- Prior art keywords
- requirement
- keywords
- enterprise
- project
- word
- 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.)
- Pending
Links
- 238000011160 research Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000003058 natural language processing Methods 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000012827 research and development Methods 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000011524 similarity measure Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- 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
- G06F16/3331—Query processing
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于nlp的产学研项目推荐匹配方法与系统，包括以下步骤；步骤一：企业注册登录后在发布需求模块中发布需求；步骤二：系统收到需求后通过人工智能自然语言处理模块提取出需求关键词；步骤三：在推送模块中，将需求关键词和高校教师专业领域库做相似度计算，获得最相近的专业领域，并向这些专业领域教师推送需求项目；步骤四：在推送模块的消息子模块中，相关教师可以查看项目需求，选择接受或者忽略，对于接受的项目需求，在弹出的表单页面填好对应信息后发送给企业；步骤五：在推送模块的消息子模块中，企业可以汇总查看高校教师返回的信息并决定是否立项并进一步合作。本发明方法系统上手时间短，易于学习，方便维护，记录全面。
Description
技术领域
本发明涉及一种基于nlp的产学研项目推荐匹配方法与系统，属于计算机信息管理技术领域。
背景技术
企业撰写产学研项目需求过程中，需求的专业领域的选取非常重要。如果能够准确反映产学研需求内容的研究方向或领域，将有利于产学研产学研项目需求根据关键词自动匹配合适的研究人员，从而大大缩短邀请研究人员的时间,产学研项目需求提高企业研发效率。
随着互联网在社会生活各领域的普及,如今的产学研项目需求需求早已不是当年纸质的时代，信息化的时代来临给我们带来了极大的便利，而高效准确地抽取产学研项目需求产学研项目需求关键词不仅可以辅助管理员对产学研产学研项目需求需求的快速查找、分类,同时寻找合适领域的科研人员科研人员等具有重要意义，如何快速地获取关键词匹配科研人员信息,一直是人们关注的问题.传统的手工采集标注方式费时费力,远远无法满足人们的需求.本文以产学研项目需求产学研项目需求抽取关键词为应用背景,对产学研项目需求信息抽取关键词进行了研究,并实现了一个基于人工智能网络的产学研项目推荐匹配方法和系统.，极大减少人工标注的成本和改善产学研项目需求标注的准确度。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于nlp的产学研项目推荐匹配方法与系统，其上手时间短，易于学习，方便维护，记录全面。
为了实现上述目的，本发明采用的技术方案是：一种基于nlp的产学研项目推荐匹配方法，包括以下步骤；
步骤一：企业注册登录后在发布需求模块中发布自己的需求；
步骤二：系统收到需求后通过人工智能自然语言处理模块提取出需求关键词；
步骤三：在推送模块中，将需求关键词和高校教师专业领域库做相似度计算，获得最相近的专业领域，并向这些专业领域教师推送需求项目；
步骤四：在推送模块的消息子模块中，相关教师可以查看项目需求，选择接受或者忽略，对于接受的项目需求，在弹出的表单页面填好对应信息后发送给企业；
步骤五：在推送模块的消息子模块中，企业可以汇总查看高校教师返回的信息并决定是否立项并进一步合作。
进一步的，所述步骤二中的人工智能自然语言处理模块基于word2vec+kmeans结构的模型，用来提取项目关键词，使用关键词和科研人员所在领域的标签做相似度计算，得出与关键词相似度最高的标签，从而筛选出对应科研人员。
进一步的，所述步骤三中的领域库做相似度方法通过于Glove+kmeans结构的模型，用来提取项目关键词，使用关键词和科研人员所在领域的标签做相似度计算，得出与关键词相似度最高的标签，从而筛选出对应科研人员。
进一步的，所述Glove为语言模型工具，其综合了全局词汇共现的统计信息和局部窗口上下文方法的优点，其通过词共现矩阵的方式进行定义。
进一步的，所述领域库做相似度方法具体包含以下步骤；
步骤一：对语料进行Glove模型训练，得到词向量文件；
步骤二：对文本进行预处理获得N个候选产学研项目需求关键词；
步骤三：遍历候选产学研项目需求关键词，从词向量文件中提取候选关键词的词向量表示；
步骤四：对候选关键词进行K-Means聚类，得到各个类别的聚类中心；
步骤五：计算各类别下，组内词语与聚类中心的距离即欧几里得距离，按聚类大小进行降序排序；
步骤六：对候选关键词计算结果得到排名前Top-K个词语作为文本关键词；
步骤七：关键词后与科研人员所在领域标签做一个相似度分析，选出和关键词最相关的标签，则向该科研人员推送企业需求；
相似度计算采用的是欧式距离：dist
进一步的，所述词共现矩阵通过统计一个事先指定大小的窗口内的word共现次数，以word周边的共现词的次数做为当前word的vector；
所述词共现矩阵设共现矩阵为X，其元素为Xi，j；Xi，j的意义为：在整个语料库中，单词i和单词j共同出现在一个窗口中的次数；
Glove的损失函数：
其中：Vi，Vj是单词i和单词j的词向量，bi，bj是两个标量，f是权重函数，N是产学研项目需求词汇表的大小(共现矩阵维度为N*N)。
基于出现频率越高的词对权重应该越大的原则，在损失函数中添加权重项f，
进一步的，所述权重项f具备以下特性：f(x)＝0，当词汇共现的次数为0时，此时对应的权重为0；f(x)必须是一个非减函数，从而保证当词汇共现的次数越大时，其权重不会出现下降的情况；对于频繁的词，f(x)能给予一个相对小的数值，这样不会出现过度加权的情况。
一种基于nlp的产学研项目推荐匹配系统，包括发布需求模块和推送模块；所述发布需求模块其操作方法为在弹出的交互页面中填好摘要背景、研究选题、研究经费、申报条件与要求，企业可以直接保存和发布；企业在“修改”中，可对保存的需求进行修改操作；企业在“发布”中，可对需求进行发布操作；企业对于科研人员反馈的计划思路感到满意的进行完项目评审立项后，可点击“完成”关闭此需求；企业若想撤回需求，点击“撤回”即可；
所述推送模块其操作方法为管理员点击“配选科研人员”，系统根据提取出来的关键词与系统科研人员库中的领域标签做相似度计算，筛选出匹配度大于80％的科研人员。管理员确认无误后点击“推送需求”即可给所有匹配的科研人员发送需求信息；科研人员收到推送信息后，点击“查看”，即可查看需求信息；点击“忽略”则不再提示；点击“回复”，在弹出的交互页面中填写“思路方案”、“估计报价”、“计划完成时间”等回复信息；
在科研人员确认需求后，系统自动发送回复信息给企业，企业可以汇总看到多个科研人员的确认信息，一一确认沟通无误后，可进入后续的需求产学研项目需求评审、立项等操作。
本发明的有益效果是：与现有技术相比：分类管理一目了然，上手操作简单便捷；通过人工智能自然语言处理技术自动匹配领域科研人员，操作流程简单易学；企业、科研人员、管理员操作完毕后，系统可自动提醒，并自动发送消息告知对方，节约流程时间；
本发明基于人工智能的产学研项目推荐匹配方法和系统方法可适应于高校教师的产学研项目需求申请及信息管理。
附图说明
图1为本发明的基于人工智能的产学研项目推荐匹配方法和系统方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。
除非另有定义，本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
如图1所示，一种基于nlp的产学研项目推荐匹配方法，包括以下步骤；
步骤一：企业注册登录后在发布需求模块中发布自己的需求；
步骤二：系统收到需求后通过人工智能自然语言处理模块提取出需求关键词；
步骤三：在推送模块中，将需求关键词和高校教师专业领域库做相似度计算，获得最相近的专业领域，并向这些专业领域教师推送需求项目；
步骤四：在推送模块的消息子模块中，相关教师可以查看项目需求，选择接受或者忽略，对于接受的项目需求，在弹出的表单页面填好对应信息后发送给企业；
步骤五：在推送模块的消息子模块中，企业可以汇总查看高校教师返回的信息并决定是否立项并进一步合作。
本实施例优选的，步骤二中的人工智能自然语言处理模块基于word2vec+kmeans结构的模型，用来提取项目关键词，使用关键词和科研人员所在领域的标签做相似度计算，得出与关键词相似度最高的标签，从而筛选出对应科研人员。
本实施例优选的，步骤三中的领域库做相似度方法通过于Glove+kmeans结构的模型，用来提取项目关键词，使用关键词和科研人员所在领域的标签做相似度计算，得出与关键词相似度最高的标签，从而筛选出对应科研人员。
本实施例优选的，Glove为语言模型工具，其综合了全局词汇共现的统计信息和局部窗口上下文方法的优点，其通过词共现矩阵的方式进行定义。
本实施例优选的，领域库做相似度方法具体包含以下步骤；
步骤一：对语料进行Glove模型训练，得到词向量文件；
步骤二：对文本进行预处理获得N个候选产学研项目需求关键词；
步骤三：遍历候选产学研项目需求关键词，从词向量文件中提取候选关键词的词向量表示；
步骤四：对候选关键词进行K-Means聚类，得到各个类别的聚类中心；
步骤五：计算各类别下，组内词语与聚类中心的距离即欧几里得距离，按聚类大小进行降序排序；
步骤六：对候选关键词计算结果得到排名前Top-K个词语作为文本关键词；
步骤七：关键词后与科研人员所在领域标签做一个相似度分析，选出和关键词最相关的标签，则向该科研人员推送企业需求；
相似度计算采用的是欧式距离：dist
本实施例优选的，所述词共现矩阵通过统计一个事先指定大小的窗口内的word共现次数，以word周边的共现词的次数做为当前word的vector；
所述词共现矩阵设共现矩阵为X，其元素为Xi，j；Xi，j的意义为：在整个语料库中，单词i和单词j共同出现在一个窗口中的次数；
Glove的损失函数：
其中：Vi，Vj是单词i和单词j的词向量，bi，bj是两个标量，f是权重函数，N是产学研项目需求词汇表的大小(共现矩阵维度为N*N)。
基于出现频率越高的词对权重应该越大的原则，在损失函数中添加权重项f，
本实施例优选的，权重项f具备以下特性：f(x)＝0，当词汇共现的次数为0时，此时对应的权重为0；f(x)必须是一个非减函数，从而保证当词汇共现的次数越大时，其权重不会出现下降的情况；对于频繁的词，f(x)能给予一个相对小的数值，这样不会出现过度加权的情况。
一种基于nlp的产学研项目推荐匹配系统，包括发布需求模块和推送模块；所述发布需求模块其操作方法为在弹出的交互页面中填好摘要背景、研究选题、研究经费、申报条件与要求，企业可以直接保存和发布；企业在“修改”中，可对保存的需求进行修改操作；企业在“发布”中，可对需求进行发布操作；企业对于科研人员反馈的计划思路感到满意的进行完项目评审立项后，可点击“完成”关闭此需求；企业若想撤回需求，点击“撤回”即可；
所述推送模块其操作方法为管理员点击“配选科研人员”，系统根据提取出来的关键词与系统科研人员库中的领域标签做相似度计算，筛选出匹配度大于80％的科研人员。管理员确认无误后点击“推送需求”即可给所有匹配的科研人员发送需求信息；科研人员收到推送信息后，点击“查看”，即可查看需求信息；点击“忽略”则不再提示；点击“回复”，在弹出的交互页面中填写“思路方案”、“估计报价”、“计划完成时间”等回复信息；
在科研人员确认需求后，系统自动发送回复信息给企业，企业可以汇总看到多个科研人员的确认信息，一一确认沟通无误后，可进入后续的需求产学研项目需求评审、立项等操作。
本发明的工作原理：企业登录后“新建”需求，在弹出的交互页面中填好摘要背景、研究选题、研究经费、申报条件与要求并发布。管理员对企业发布的需求信息，点击“提取关键词”，系统自动根据需求名称、摘要背景、研究选题等信息提取出对应关键词。
接着管理员点击“配选科研人员”，并对配选出来的科研人员进行确认，确认无误后点击“推送需求”给所有匹配的科研人员发送需求信息，科研人员收到推送信息后，点击“查看”，可查看确认需求信息后，点击“回复”，在弹出的交互页面中填写“思路方案”、“估计报价”、“计划完成时间”等回复信息。发送给企业，企业汇总查看多个科研人员的确认信息，一一确认沟通无误后，可进入后续的需求产学研项目需求立项、确定合作等操作。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于nlp的产学研项目推荐匹配方法，其特征在于，包括以下步骤；
步骤一：企业注册登录后在发布需求模块中发布自己的需求；
步骤二：系统收到需求后通过人工智能自然语言处理模块提取出需求关键词；
步骤三：在推送模块中，将需求关键词和高校教师专业领域库做相似度计算，获得最相近的专业领域，并向这些专业领域教师推送需求项目；
步骤四：在推送模块的消息子模块中，相关教师可以查看项目需求，选择接受或者忽略，对于接受的项目需求，在弹出的表单页面填好对应信息后发送给企业；
步骤五：在推送模块的消息子模块中，企业可以汇总查看高校教师返回的信息并决定是否立项并进一步合作。
2.根据权利要求1所述的一种基于nlp的产学研项目推荐匹配方法，其特征在于，所述步骤二中的人工智能自然语言处理模块基于word2vec+kmeans结构的模型，用来提取项目关键词，使用关键词和科研人员所在领域的标签做相似度计算，得出与关键词相似度最高的标签，从而筛选出对应科研人员。
3.根据权利要求1所述的一种基于nlp的产学研项目推荐匹配方法，其特征在于，所述步骤三中的领域库做相似度方法通过于Glove+kmeans结构的模型，用来提取项目关键词，使用关键词和科研人员所在领域的标签做相似度计算，得出与关键词相似度最高的标签，从而筛选出对应科研人员。
4.根据权利要求3所述的一种基于nlp的产学研项目推荐匹配方法，其特征在于，所述Glove为语言模型工具，其综合了全局词汇共现的统计信息和局部窗口上下文方法的优点，其通过词共现矩阵的方式进行定义。
5.根据权利要求3所述的一种基于nlp的产学研项目推荐匹配方法，其特征在于，所述领域库做相似度方法具体包含以下步骤；
步骤一：对语料进行Glove模型训练，得到词向量文件；
步骤二：对文本进行预处理获得N个候选产学研项目需求关键词；
步骤三：遍历候选产学研项目需求关键词，从词向量文件中提取候选关键词的词向量表示；
步骤四：对候选关键词进行K-Means聚类，得到各个类别的聚类中心；
步骤五：计算各类别下，组内词语与聚类中心的距离即欧几里得距离，按聚类大小进行降序排序；
步骤六：对候选关键词计算结果得到排名前Top-K个词语作为文本关键词；
步骤七：关键词后与科研人员所在领域标签做一个相似度分析，选出和关键词最相关的标签，则向该科研人员推送企业需求；
相似度计算采用的是欧式距离：
6.根据权利要求4所述的一种基于nlp的产学研项目推荐匹配方法，其特征在于，所述词共现矩阵通过统计一个事先指定大小的窗口内的word共现次数，以word周边的共现词的次数做为当前word的vector；
所述词共现矩阵设共现矩阵为X，其元素为Xi，j；Xi，j的意义为：在整个语料库中，单词i和单词j共同出现在一个窗口中的次数；
Glove的损失函数：
其中：
Vi，Vj是单词i和单词j的词向量，bi，bj是两个标量，f是权重函数，N是产学研项目需求词汇表的大小(共现矩阵维度为N*N)。
基于出现频率越高的词对权重应该越大的原则，在损失函数中添加权重项f，
7.根据权利要求6所述的一种基于nlp的产学研项目推荐匹配方法，其特征在于，所述权重项f具备以下特性：f(x)＝0，当词汇共现的次数为0时，此时对应的权重为0；f(x)必须是一个非减函数，从而保证当词汇共现的次数越大时，其权重不会出现下降的情况；对于频繁的词，f(x)能给予一个相对小的数值，这样不会出现过度加权的情况。
8.一种基于nlp的产学研项目推荐匹配系统，其特征在于，包括发布需求模块和推送模块；所述发布需求模块其操作方法为在弹出的交互页面中填好摘要背景、研究选题、研究经费、申报条件与要求，企业可以直接保存和发布；企业在“修改”中，可对保存的需求进行修改操作；企业在“发布”中，可对需求进行发布操作；企业对于科研人员反馈的计划思路感到满意的进行完项目评审立项后，可点击“完成”关闭此需求；企业若想撤回需求，点击“撤回”即可；
所述推送模块其操作方法为管理员点击“配选科研人员”，系统根据提取出来的关键词与系统科研人员库中的领域标签做相似度计算，筛选出匹配度大于80％的科研人员。管理员确认无误后点击“推送需求”即可给所有匹配的科研人员发送需求信息；科研人员收到推送信息后，点击“查看”，即可查看需求信息；点击“忽略”则不再提示；点击“回复”，在弹出的交互页面中填写“思路方案”、“估计报价”、“计划完成时间”等回复信息；
在科研人员确认需求后，系统自动发送回复信息给企业，企业可以汇总看到多个科研人员的确认信息，一一确认沟通无误后，可进入后续的需求产学研项目需求评审、立项等操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110589036.8A CN113240562A (zh) | 2021-05-27 | 2021-05-27 | 一种基于nlp的产学研项目推荐匹配方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110589036.8A CN113240562A (zh) | 2021-05-27 | 2021-05-27 | 一种基于nlp的产学研项目推荐匹配方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113240562A true CN113240562A (zh) | 2021-08-10 |
Family
ID=77139345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110589036.8A Pending CN113240562A (zh) | 2021-05-27 | 2021-05-27 | 一种基于nlp的产学研项目推荐匹配方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240562A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114579871A (zh) * | 2022-05-06 | 2022-06-03 | 南京因由数字科技有限公司 | 基于专利信息的推荐方法、装置、电子设备及存储介质 |
| CN117236754A (zh) * | 2023-09-12 | 2023-12-15 | 杭州湘云信息技术有限公司 | 高校科研数据管理方法、装置、计算机设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001027901A1 (en) * | 1999-10-08 | 2001-04-19 | Schlumberger Technology Corporation | Training method using industry and university collaboration |
| CN103246961A (zh) * | 2013-05-23 | 2013-08-14 | 新疆卡尔罗媒体科技有限公司 | 一种学校智能信息管理系统及方法 |
| CN105139116A (zh) * | 2015-08-15 | 2015-12-09 | 杭州后博科技有限公司 | 高校教师与企业课题对接系统及方法 |
| CN109493008A (zh) * | 2018-11-16 | 2019-03-19 | 四川西华科技园管理有限责任公司 | 大学科技园数字化信息管理系统 |
| CN109635273A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技（深圳）有限公司 | 文本关键词提取方法、装置、设备及存储介质 |
| CN109885748A (zh) * | 2019-02-22 | 2019-06-14 | 新疆大学 | 基于语意特征的优化推荐方法 |
| CN111241361A (zh) * | 2020-01-09 | 2020-06-05 | 福州数据技术研究院有限公司 | 基于云平台的企业与高校的智能引荐系统及方法 |
| CN112163405A (zh) * | 2020-09-08 | 2021-01-01 | 北京百度网讯科技有限公司 | 问题的生成方法和装置 |
| CN112487161A (zh) * | 2020-11-26 | 2021-03-12 | 北京智源人工智能研究院 | 一种面向企业需求的专家推荐方法、装置、介质及设备 |
-
2021
- 2021-05-27 CN CN202110589036.8A patent/CN113240562A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001027901A1 (en) * | 1999-10-08 | 2001-04-19 | Schlumberger Technology Corporation | Training method using industry and university collaboration |
| CN103246961A (zh) * | 2013-05-23 | 2013-08-14 | 新疆卡尔罗媒体科技有限公司 | 一种学校智能信息管理系统及方法 |
| CN105139116A (zh) * | 2015-08-15 | 2015-12-09 | 杭州后博科技有限公司 | 高校教师与企业课题对接系统及方法 |
| CN109635273A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技（深圳）有限公司 | 文本关键词提取方法、装置、设备及存储介质 |
| CN109493008A (zh) * | 2018-11-16 | 2019-03-19 | 四川西华科技园管理有限责任公司 | 大学科技园数字化信息管理系统 |
| CN109885748A (zh) * | 2019-02-22 | 2019-06-14 | 新疆大学 | 基于语意特征的优化推荐方法 |
| CN111241361A (zh) * | 2020-01-09 | 2020-06-05 | 福州数据技术研究院有限公司 | 基于云平台的企业与高校的智能引荐系统及方法 |
| CN112163405A (zh) * | 2020-09-08 | 2021-01-01 | 北京百度网讯科技有限公司 | 问题的生成方法和装置 |
| CN112487161A (zh) * | 2020-11-26 | 2021-03-12 | 北京智源人工智能研究院 | 一种面向企业需求的专家推荐方法、装置、介质及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 徐露: "基于GloVe 的文本聚类研究与改进", 中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑, pages 138 - 2756 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114579871A (zh) * | 2022-05-06 | 2022-06-03 | 南京因由数字科技有限公司 | 基于专利信息的推荐方法、装置、电子设备及存储介质 |
| CN117236754A (zh) * | 2023-09-12 | 2023-12-15 | 杭州湘云信息技术有限公司 | 高校科研数据管理方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111708773B (zh) | 一种多源科创资源数据融合方法 | |
| CN110825882B (zh) | 一种基于知识图谱的信息系统管理方法 | |
| CN109857990B (zh) | 一种基于文档结构与深度学习的金融类公告信息抽取方法 | |
| CN110147436B (zh) | 一种基于教育知识图谱与文本的混合自动问答方法 | |
| CN107766371B (zh) | 一种文本信息分类方法及其装置 | |
| CN108153729B (zh) | 一种面向金融领域的知识抽取方法 | |
| US20230136368A1 (en) | Text keyword extraction method, electronic device, and computer readable storage medium | |
| CN108170715B (zh) | 一种文本结构化处理方法 | |
| CN102662930A (zh) | 一种语料标注方法及装置 | |
| CN113240562A (zh) | 一种基于nlp的产学研项目推荐匹配方法与系统 | |
| Nitin et al. | Analyzing educational comments for topics and sentiments: A text analytics approach | |
| CN112836018A (zh) | 应急预案的处理方法及装置 | |
| CN111782793A (zh) | 智能客服处理方法和系统及设备 | |
| CN109446522B (zh) | 一种试题自动分类系统及方法 | |
| CN113360647B (zh) | 一种基于聚类的5g移动业务投诉溯源分析方法 | |
| CN112989811B (zh) | 一种基于BiLSTM-CRF的历史典籍阅读辅助系统及其控制方法 | |
| CN112579784B (zh) | 一种基于深度强化学习的云边协同文档分类系统及方法 | |
| CN117195897A (zh) | 一种基于nlp的物料描述智能拆分方法及系统 | |
| CN111737498A (zh) | 一种应用于离散制造业生产过程的领域知识库建立方法 | |
| Khekare et al. | Design of Automatic Key Finder for Search Engine Optimization in Internet of Everything | |
| Li et al. | The first international ancient Chinese word segmentation and POS tagging bakeoff: Overview of the EvaHan 2022 evaluation campaign | |
| Wang et al. | Text Analysis and Visualization Research on the Hetu Dangse During the Qing Dynasty of China | |
| CN117332761B (zh) | 一种pdf文档智能识别标注系统 | |
| US11550782B2 (en) | Machine learning systems and methods for interactive concept searching using attention scoring | |
| CN117591657B (zh) | 一种基于ai的智能对话管理系统及方法 |
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 |