CN113989076A - 一种知识产权成果转化管理系统 - Google Patents
一种知识产权成果转化管理系统 Download PDFInfo
- Publication number
- CN113989076A CN113989076A CN202111280052.5A CN202111280052A CN113989076A CN 113989076 A CN113989076 A CN 113989076A CN 202111280052 A CN202111280052 A CN 202111280052A CN 113989076 A CN113989076 A CN 113989076A
- Authority
- CN
- China
- Prior art keywords
- neural network
- feature
- module
- value
- evaluation index
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 230000000977 initiatory effect Effects 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 51
- 238000013528 artificial neural network Methods 0.000 claims description 39
- 238000009826 distribution Methods 0.000 claims description 12
- 210000004205 output neuron Anatomy 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 7
- 210000002364 input neuron Anatomy 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition 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
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种知识产权成果转化管理系统,包括咨询终端以及服务器,所述咨询终端通过网络与所述服务器相连,不同的咨询终端对应不同的用户,所述咨询终端,用于用户发起咨询请求,输入关键词及技术需求说明,并展示由服务器提供的咨询结果;所述服务器,用于存储需要进行成果转化的专利,并对每个专利进行价值评价,并基于关键词及技术需求说明,获取与关键词及技术需求说明重合度最高的专利,并将推荐结果以及推荐结果所对应的专利价值度发送至所述咨询终端。
Description
技术领域
本发明涉及知识产权技术领域,尤其涉及一种知识产权成果转化管理系统。
背景技术
在理论中,科技成果转化一般是指科研机构和个人将自己取得的科学技术成果转变为可供社会生产生活使用的新技术、新材料、新产品或新服务的实践活动。从社会经济学的观点看,这是隐性生产力向显性生产力的过渡,是一项由科技投入为前期成本,科技产出为后期效益的系统工程。目前专利成果转化是知识产权成果转化中的一个重要内容,在目前的专利转化中,企业用户通常不能很好的获得与自身需求相匹配的专利,同时也难以对专利的价值度进行一个有效评估,不利于知识产权成果转化的实施。
发明内容
本发明的目的在于提供一种知识产权成果转化管理系统,以解决上述背景技术中提出的问题。
本发明是通过以下技术方案实现的:一种知识产权成果转化管理系统,包括咨询终端以及服务器,所述咨询终端通过网络与所述服务器相连,不同的咨询终端对应不同的用户,所述咨询终端,用于用户发起咨询请求,输入关键词及技术需求说明,并展示由服务器提供的咨询结果;
所述服务器,用于存储需要进行成果转化的专利,并对每个专利进行价值评价,并基于关键词及技术需求说明,获取与关键词及技术需求说明重合度最高的专利,并将推荐结果以及推荐结果所对应的专利价值度发送至所述咨询终端。
可选的,所述服务器包括对象库、专利库、评估模块、特征生成模块、特征提取模块、标签生成模块、推荐模块,
所述专利库,用于存储需要进行成果转化的专利;
所述对象库,用于存储通过咨询终端输入的关键词、技术需求说明以及用户信息;
所述特征生成模块,用于生成前述特定专利的第一特征以及第二特征,多个第一特征构成第一特征组,多个第二特征构成第二特征组;
所述标签生成模块,用于根据专利内容,生成多个技术标签
所述特征提取模块,用于根据技术需求说明提取需求特征,同时根据技术标签,形成标签特征;
所述评估模块,包含第一神经网络以及第二神经网络,基于第一特征组以及第一神经网络,获得第一评价指数,基于第二特征组以及第二神经网络,获得第二评价指数,基于第一评价指数、第二评价指数获得特定专利的价值度;
所述推荐模块,用于根据关键词及技术需求说明,获取与关键词及技术需求说明重合度最高的专利。
可选的,所述特征生成模块生成的第一特征的方式为,选取某一输入专利库的专利,提取专利中的权利要求书数量、权利要求书字数、说明书字数、专利权时间信息,将前述信息进行归一化,归一化后的结果为第一特征值。
可选的,所述特征生成模块生成的第二特征的方式为,以专家打分法的方式对专利的保护范围、经济价值、无效难易程度、实施例数量作出评价结果,将评价结果进行归一化,归一化后的结果为第二特征值。
可选的,所述评估模块获取第一评价指数时,将第一特征值作为第一神经网络的输入神经元,以第一评价指数作为第一神经网络的输出神经元,通过对比损失函数计算损失值,根据损失值调整优化所述第一神经网络;
将第二特征值作为第二神经网络的输入神经元,以第二评价指数作为第二神经网络的输出神经元,通过对比损失函数计算损失值,根据损失值调整优化所述第二神经网络。
可选的,通过下式计算专利价值度:W=α*w1+β*w2,其中为第一评价指数,为第二评价指数,α为第一评价指数的相对重要程度,β为第二评价指数的相对重要程度。
可选的,所述标签生成模块对专利库的任一专利进行标签分析,建立任一专利的技术标签,其具体过程包括:将任一专利的权利要求书及说明书进行分词分句,以句子为单元提取特征,提取的特征包括句子语义特征、非语义特征以及领域相关特征;
建立回归模型,将上述特征输入回归模型中,获得句子的重要程度;
建立分布模型,将候选句子输入到分布模型,获得k个句子主题分布,所述k个句子主题分布即为专利的标签。
可选的,所述推荐模块在进行专利推荐时,以成果库中的所有专利的权利要求书、专利主题、说明书为搜索对象,搜索包含用户输入的关键词的所有专利,分别计算该关键词在相应专利中出现的词频,即该词语*字数*次数/总字数;
建立第三神经网络,选择词频最高的前n个专利,在前n个专利中选择任一个专利作为待分析专利,以需求特征以及待分析专利的标签特征作为第三神经网络的输出神经元,以匹配度作为第三神经网络的输出神经元。
与现有技术相比,本发明达到的有益效果如下:
本发明提供的一种知识产权成果转化管理系统,企业用户通过咨询终端输入自身的技术需求,其技术需求由企业用户设定的关键词以及所输入的技术需求说明构成,其关键可以为多个,而技术需求说明为一定字数的文字说明,服务器接受技术需求后,在自身所存储的专利中寻找与关键词及技术需求说明重合度最高的专利,并将推荐结果以及推荐结果所对应的专利价值度发送至所述咨询终端,本发明能向企业用户提供与其需求相匹配的最优专利,并可多专利的价值度进行判断,方便企业进行选择。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种知识产权成果转化管理系统的结构图。
图中,1咨询终端,2服务器,3对象库,4专利库,5评估模块,6特征生成模块,7特征提取模块,8标签生成模块,9推荐模块。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
应当理解的是,本发明能够以不同形式实施,而不应当解释为局限于这里提出的实施例。相反地,提供这些实施例将使公开彻底和完全,并且将本发明的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时,单数形式的“一”、“一个”和“所述/该”也意图包括复数形式,除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”,当在该说明书中使用时,确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本发明,将在下列的描述中提出详细的结构,以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
一种知识产权成果转化管理系统,包括咨询终端1以及服务器2,所述咨询终端1通过网络与所述服务器2相连,不同的咨询终端1对应不同的用户,所述咨询终端1,用于用户发起咨询请求,输入关键词及技术需求说明,并展示由服务器2端提供的咨询结果;
所述服务器2,用于存储需要进行成果转化的专利,并对每个专利进行价值评价,并基于关键词及技术需求说明,获取与关键词及技术需求说明重合度最高的专利,并将推荐结果以及推荐结果所对应的专利价值度发送至所述咨询终端1。
本实施例所提供的一种知识产权成果转化管理系统,用于向有技术需求的企业用户提供专利成果,其企业用户通过咨询终端1输入自身的技术需求,其技术需求由企业用户设定的关键词以及所输入的技术需求说明构成,其关键可以为多个,而技术需求说明为一定字数的文字说明,服务器2接受技术需求后,在自身所存储的专利中寻找与关键词及技术需求说明重合度最高的专利,并将推荐结果以及推荐结果所对应的专利价值度发送至所述咨询终端1。
具体的,参见图1,所述服务器2包括对象库3、专利库4、评估模块5、特征生成模块6、特征提取模块7、标签生成模块8、推荐模块9,
所述专利库4,用于存储需要进行成果转化的专利,上述专利由系统的工作人员进行预先输入;
所述对象库3,用于存储通过咨询终端1输入的关键词、技术需求说明以及用户信息,其中用户信息包括企业的资产信息、企业的名称信息、企业的经营领域信息等;
所述特征生成模块6,用于生成专利库4中的每一个专利的第一特征以及第二特征,多个第一特征构成第一特征组,多个第二特征构成第二特征组
所述标签生成模块8,用于根据专利库4中每一个专利的专利内容,生成与相应专利所匹配的多个技术标签
所述特征提取模块7,用于根据技术需求说明提取需求特征,同时根据技术标签,形成标签特征;
所述评估模块5,包含第一神经网络以及第二神经网络,基于第一特征组以及第一神经网络,获得第一评价指数,基于第二特征组以及第二神经网络,获得第二评价指数,基于第一评价指数、第二评价指数获得特定专利的价值度;
所述推荐模块9,用于根据关键词及技术需求说明,获取与关键词及技术需求说明重合度最高的专利。
作为一种优选的示例,所述特征生成模块6生成的第一特征的方式为,选取某一输入专利库4的专利,提取专利中的权利要求书数量、权利要求书字数、说明书字数、专利权时间信息,将前述信息进行归一化,归一化后的结果为第一特征值。
示例性的,当权利要求书的数量在第一范围,例如1-5时,可获得第一归一化权利要求书数量值为0.4,当权利要求书的数量在第二范围,例如5-10时,可获得第二归一化权利要求书数量值为0.6,即根据权利要求书的数量范围,来获得归一化的值;
同理,根据权利要求书字数、说明书字数、专利权时间范围,来获得相应的归一化的值。
作为一种优选的示例,所述特征生成模块6生成的第二特征的方式为,以专家打分法的方式对专利的保护范围、经济价值、无效难易程度、实施例数量作出评价结果,将评价结果进行归一化,归一化后的结果为第二特征值。
示例性的,选取具有专业技能的专家,对专利的保护范围进行打分,按照打分的范围,获得归一化的值,例如分数为60分时,其归一化后的值为0.4,同理,对经济价值、无效难易程度、实施例数量进行打分,按照打分的范围,获得归一化的值。
作为一种优选的示例,所述评估模块5获取第一评价指数时,将第一特征值作为第一神经网络的输入神经元,以第一评价指数作为第一神经网络的输出神经元,通过对比损失函数计算损失值,根据损失值调整优化所述第一神经网络;
将第二特征值作为第二神经网络的输入神经元,以第二评价指数作为第二神经网络的输出神经元,通过对比损失函数计算损失值,根据损失值调整优化所述第二神经网络。
示例性的,通过下式计算专利价值度:W=α*w1+β*w2,其中为第一评价指数,为第二评价指数,α为第一评价指数的相对重要程度,β为第二评价指数的相对重要程度,α、β优选为0.5。
作为一种优选的示例,所述标签生成模块8对专利库4的任一专利进行标签分析,建立任一专利的技术标签,其具体过程包括:将任一专利的权利要求书及说明书进行分词分句,以句子为单元提取特征,提取的特征包括句子语义特征、非语义特征以及领域相关特征;
建立回归模型,将上述特征输入回归模型中,获得句子的重要程度;
建立分布模型,将候选句子输入到分布模型,获得k个句子主题分布,所述k个句子主题分布即为专利的标签。
作为一种优选的示例,所述推荐模块9在进行专利推荐时,以成果库中的所有专利的权利要求书、专利主题、说明书为搜索对象,搜索包含用户输入的关键词的所有专利,分别计算该关键词在相应专利中出现的词频,即该词语*字数*次数/总字数;
建立第三神经网络,选择词频最高的前n个专利,在前n个专利中选择任一个专利作为待分析专利,以需求特征以及待分析专利的标签特征作为第三神经网络的输出神经元,以匹配度作为第三神经网络的输出神经元。
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,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (8)
1.一种知识产权成果转化管理系统,其特征在于,包括咨询终端以及服务器,所述咨询终端通过网络与所述服务器相连,不同的咨询终端对应不同的用户,所述咨询终端,用于用户发起咨询请求,输入关键词及技术需求说明,并展示由服务器提供的咨询结果;
所述服务器,用于存储需要进行成果转化的专利,并对每个专利进行价值评价,并基于关键词及技术需求说明,获取与关键词及技术需求说明重合度最高的专利,并将推荐结果以及推荐结果所对应的专利价值度发送至所述咨询终端。
2.根据权利要求1所述的一种知识产权成果转化管理系统,其特征在于,所述服务器包括对象库、专利库、评估模块、特征生成模块、特征提取模块、标签生成模块、推荐模块,
所述专利库,用于存储需要进行成果转化的专利;
所述对象库,用于存储通过咨询终端输入的关键词、技术需求说明以及用户信息;
所述特征生成模块,用于生成前述特定专利的第一特征以及第二特征,多个第一特征构成第一特征组,多个第二特征构成第二特征组;
所述标签生成模块,用于根据专利内容,生成多个技术标签
所述特征提取模块,用于根据技术需求说明提取需求特征,同时根据技术标签,形成标签特征;
所述评估模块,包含第一神经网络以及第二神经网络,基于第一特征组以及第一神经网络,获得第一评价指数,基于第二特征组以及第二神经网络,获得第二评价指数,基于第一评价指数、第二评价指数获得特定专利的价值度;
所述推荐模块,用于根据关键词及技术需求说明,获取与关键词及技术需求说明重合度最高的专利。
3.根据权利要求2所述的一种知识产权成果转化管理系统,其特征在于,所述特征生成模块生成的第一特征的方式为,选取某一输入专利库的专利,提取专利中的权利要求书数量、权利要求书字数、说明书字数、专利权时间信息,将前述信息进行归一化,归一化后的结果为第一特征值。
4.根据权利要求3所述的一种知识产权成果转化管理系统,其特征在于,所述特征生成模块生成的第二特征的方式为,以专家打分法的方式对专利的保护范围、经济价值、无效难易程度、实施例数量作出评价结果,将评价结果进行归一化,归一化后的结果为第二特征值。
5.根据权利要求4所述的一种知识产权成果转化管理系统,其特征在于,所述评估模块获取第一评价指数时,将第一特征值作为第一神经网络的输入神经元,以第一评价指数作为第一神经网络的输出神经元,通过对比损失函数计算损失值,根据损失值调整优化所述第一神经网络;
将第二特征值作为第二神经网络的输入神经元,以第二评价指数作为第二神经网络的输出神经元,通过对比损失函数计算损失值,根据损失值调整优化所述第二神经网络。
6.根据权利要求5所述的一种知识产权成果转化管理系统,其特征在于,通过下式计算专利价值度:W=α*w1+β*w2,其中w1为第一评价指数,w2为第二评价指数,α为第一评价指数的相对重要程度,β为第二评价指数的相对重要程度。
7.根据权利要求2所述的一种知识产权成果转化管理系统,其特征在于,所述标签生成模块对专利库的任一专利进行标签分析,建立任一专利的技术标签,其具体过程包括:将任一专利的权利要求书及说明书进行分词分句,以句子为单元提取特征,提取的特征包括句子语义特征、非语义特征以及领域相关特征;
建立回归模型,将上述特征输入回归模型中,获得句子的重要程度;
建立分布模型,将候选句子输入到分布模型,获得k个句子主题分布,所述k个句子主题分布即为专利的标签。
8.根据权利要求7所述的一种知识产权成果转化管理系统,其特征在于,所述推荐模块在进行专利推荐时,以成果库中的所有专利的权利要求书、专利主题、说明书为搜索对象,搜索包含用户输入的关键词的所有专利,分别计算该关键词在相应专利中出现的词频,即该词语*字数*次数/总字数;
建立第三神经网络,选择词频最高的前n个专利,在前n个专利中选择任一个专利作为待分析专利,以需求特征以及待分析专利的标签特征作为第三神经网络的输出神经元,以匹配度作为第三神经网络的输出神经元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111280052.5A CN113989076A (zh) | 2021-10-31 | 2021-10-31 | 一种知识产权成果转化管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111280052.5A CN113989076A (zh) | 2021-10-31 | 2021-10-31 | 一种知识产权成果转化管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113989076A true CN113989076A (zh) | 2022-01-28 |
Family
ID=79745103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111280052.5A Pending CN113989076A (zh) | 2021-10-31 | 2021-10-31 | 一种知识产权成果转化管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989076A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658847A (zh) * | 2022-10-27 | 2023-01-31 | 山东迪海信息科技有限公司 | 一种基于大数据的知识产权成果转化管理系统 |
-
2021
- 2021-10-31 CN CN202111280052.5A patent/CN113989076A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658847A (zh) * | 2022-10-27 | 2023-01-31 | 山东迪海信息科技有限公司 | 一种基于大数据的知识产权成果转化管理系统 |
CN115658847B (zh) * | 2022-10-27 | 2024-03-26 | 山东迪海信息科技有限公司 | 一种基于大数据的知识产权成果转化管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038234B (zh) | 一种问句模板自动生成方法及装置 | |
CN109460457A (zh) | 文本语句相似度计算方法、智能政务辅助解答系统及其工作方法 | |
WO2021217772A1 (zh) | 基于ai的面试语料分类方法、装置、计算机设备和介质 | |
CN111858940A (zh) | 一种基于多头注意力的法律案例相似度计算方法及系统 | |
CN112989761B (zh) | 文本分类方法及装置 | |
CN108874783A (zh) | 电力信息运维知识模型构建方法 | |
CN112559684A (zh) | 一种关键词提取及信息检索方法 | |
CN113569023A (zh) | 一种基于知识图谱的中文医药问答系统及方法 | |
WO2022252014A1 (zh) | 一种创新创业服务供给与需求智能匹配的方法 | |
Zhao et al. | Research on information extraction of technical documents and construction of domain knowledge graph | |
Wang et al. | Text emotion classification research based on improved latent semantic analysis algorithm | |
Alzyout et al. | Sentiment analysis of arabic tweets about violence against women using machine learning | |
CN113627797A (zh) | 入职员工画像生成方法、装置、计算机设备及存储介质 | |
CN112463944A (zh) | 一种基于多模型融合的检索式智能问答方法及装置 | |
Ali et al. | Named entity recognition using deep learning: A review | |
Hashemzadeh et al. | Improving keyword extraction in multilingual texts. | |
CN113989076A (zh) | 一种知识产权成果转化管理系统 | |
CN112989803B (zh) | 一种基于主题向量学习的实体链接预测方法 | |
Ransing et al. | Screening and Ranking Resumes using Stacked Model | |
Featherstone et al. | Validating sentiment analysis on opinion mining using self-reported attitude scores | |
Burgdorf et al. | Docsemmap: Leveraging textual data documentations for mapping structured data sets into knowledge graphs | |
CN108363759A (zh) | 基于结构化数据的主题树生成方法及系统及智能对话方法 | |
CN115600602B (zh) | 一种长文本的关键要素抽取方法、系统及终端设备 | |
CN113487194B (zh) | 一种基于文本分类的电力系统调度员等级评估系统 | |
CN113590768B (zh) | 一种文本关联度模型的训练方法及装置、问答方法及装置 |
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 |