CN115358821B - 一种提升科技成果转化率的智能推荐方法和系统 - Google Patents
一种提升科技成果转化率的智能推荐方法和系统 Download PDFInfo
- Publication number
- CN115358821B CN115358821B CN202211018535.2A CN202211018535A CN115358821B CN 115358821 B CN115358821 B CN 115358821B CN 202211018535 A CN202211018535 A CN 202211018535A CN 115358821 B CN115358821 B CN 115358821B
- Authority
- CN
- China
- Prior art keywords
- matching
- technological
- result
- historical
- achievements
- 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.)
- Active
Links
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种提升科技成果转化率的智能推荐方法和系统,属于数据挖掘技术领域,具体包括:基于需求的学科分类与科技成果的学科分类进行匹配得到学科匹配结果,并根据学科匹配结果的挂牌价格与预算进行匹配,得到初始匹配结果;将初始匹配结果的关键词与所述科技成果需求的关键词进行匹配,得到科技成果的匹配度,筛选得到高匹配度匹配结果;基于高匹配度匹配结果,对团队的历史科技成果转化成功率大于第一转化率阈值所对应的高匹配度匹配结果进行筛选得到科技转化匹配结果;对科技转化匹配结果的先进性进行评估得到先进性评估结果,根据先进性评估结果得到推荐科技成果向所述企业进行推荐,从而使得效率和准度度都得到明显提升。
Description
技术领域
本发明属于数据挖掘技术领域,具体涉及一种提升科技成果转化率的智能推荐方法和系统。
背景技术
随着创新驱动发展战略的不断落实,国家对科技成果转化的认识在不断加深,政府通过发布一系列的宏观政策对科技成果转化的发展进行支持和督促。目前,科技成果转化,作为科学技术创新的重要方式,已经成为加快科学技术成果向现实生产力转化、实现科技经济一体化的主要途径,也成为建设科技、经济创新型国家的不可缺少的重要环节。
为了解决科技成果转化的效率,在硕士论文《面向产学合作的高校推荐研究与巧用》作者胡松杰企业需求出发,对需求内容本身进行文本预处理、特征提取和关键词分类,使企业需求能够被较准确地分到某一领域或类别中。再结合产学合作的特点,站在企业选择合作伙伴的角度,在“高校基础科研能力”、“离校成果转化能力”、“高校产学合作背景”三个角度对合作的高校进行推荐,但是却没有考虑企业的预算以及科技成果的转让价格首先对项目进行筛选,导致无法快速准确的对项目与企业之间进行匹配,并且在此基础上,并未按照科技成果的匹配度、所对应的团队的历史科技成果转化成功率、科技成果的先进性分步骤进行筛选,从而使得科技成果筛选的效率和准确度都不够高,不能较快的实现对科技成果的匹配,取得较大的经济效益。
针对上述技术问题,本发明提供了一种提升科技成果转化率的智能推荐方法和系统。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种提升科技成果转化率的智能推荐方法。
一种提升科技成果转化率的智能推荐方法,其特征在于,具体包括:
S11提取企业科技成果需求的关键词、学科分类以及预算,并基于所述需求的学科分类与所述科技成果数据库中的科技成果的学科分类进行匹配得到学科匹配结果,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果;
S12提取所述初始匹配结果的关键词,并将所述初始匹配结果的关键词与所述科技成果需求的关键词进行匹配,得到科技成果的匹配度,并将所述科技成果的匹配度大于第一阈值的进行筛选得到高匹配度匹配结果;
S13基于所述高匹配度匹配结果,得到所述高匹配度匹配结果的所属团队的历史科技成果转化成功率,并对所述团队的历史科技成果转化成功率大于第一转化率阈值所对应的高匹配度匹配结果进行筛选得到科技转化匹配结果;
S14对所述科技转化匹配结果的先进性进行评估得到先进性评估结果,并将所述先进性评估结果大于第一先进性阈值的科技转化匹配结果作为推荐科技成果向所述企业进行推荐。
通过首先采用学科分类首先实现企业科技成果需求与所述科技成果数据库中的科技成果的匹配,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果,从而解决了原有的没有考虑企业的预算以及相同团队的科技成果的转让价格首先对项目进行筛选,导致无法快速准确的对项目与企业之间进行匹配的技术问题,从而较快的实现了对科技成果的批量筛选,进一步降低了计算量,在得到初始匹配结果的基础上,通过分步骤对科技成果的匹配度、所对应的团队的历史科技成果转化成功率、科技成果的先进性进行筛选,从而进一步解决了原有的由于没有分步骤筛选导致的科技成果筛选的效率和准确度都不够高,不能较快的实现对科技成果的匹配,取得较大的经济效益的技术问题,使得技术问题的筛选结果的准确率得到进一步提高,也使得科技成果能够较快的实现与企业的对接,进一步提升了科技成果转化的效率和针对性。
通过先采用学科分类进行筛选,从而可以通过较少的计算量实现大量的不匹配的科技成果的筛选,筛选效率大大提高,在此基础上,通过科技成果的价格匹配,从而进一步在较少的计算量的基础上,进一步实现了对科技成果的筛选,在此基础上,按照科技成果的匹配度筛选得到匹配度较高的科技成果,进一步的对科技成果的所属团队的历史科技成果转化成功率进行筛选,从而进一步保证了科技成果的转化率,在此基础上在对科技成果的先进性进行评估,从而得到最终的推荐科技成果,使得筛选得到的推荐科技成果不仅仅考虑匹配度,而且综合考虑到了转化成功率、学科分类、价格、先进性等多重因素,使得匹配结果即准确又有效,而且效率极高,提升了科技成果匹配的效率,也使得科技成果转化的成功率大大提升,并且先从学科分类进行粗分类、价格进行精确筛选的基础上,可以在较少的计算量的基础上首先进行科技成果的筛选,再进行科技成果本身的匹配度、转化成功率、先进性进行分步骤筛选,从科技成果的指标的重要程度的不同分批量进行开展,进一步提升了筛选的效率。
进一步的技术方案在于,当所述初始匹配结果或者高匹配度匹配结果或者科技转化匹配结果的其中任意一项的数量小于第一数量阈值时,不再进行后续的筛选步骤。
通过第一数量阈值的设定,在其中的匹配结果所有的步骤虽然尚未完成,但是其数量已经较少,因此不再进行后续的筛选步骤,在保证推荐结果的基础上,从而进一步提升了整体的效率。
进一步的技术方案在于,根据学科匹配结果的转让价格与所述预算进行匹配的具体步骤为:
S21提取所述学科匹配结果的挂牌价格,并提取所述学科匹配结果所属团队的历史科技成果的历史转让价格以及历史挂牌价格,基于所述历史挂牌价格和所述历史转让价格得到历史折扣率;
S22基于所述历史折扣率与所述挂牌价格得到预估成交价格;
S23当所述预估成交价格减去所述预算的结果小于第一价格阈值时,得到所述初始匹配结果。
通过基于历史折扣率和挂牌价格,对学科匹配结果的挂牌价格进行修正,使得预估成交价格能够更加准确的反应真实的成交结果,并通过第一价格阈值的设置,从而进一步保证了初始匹配结果的准确性,进一步扩大了初始匹配结果的数量,保证了最终的准确效果。
进一步的技术方案在于,所述第一价格阈值的具体公式为:
T1=K1ln(G+1)(1+K2)2
其中K1为权值,G为预算,单位为万元,K2为根据学科类型确定的学科权值,学科越冷门,学科权值越大。
学科冷门会导致科研成果数量较少,从而使得第一价格阈值变得更大,从而进一步保证了能够筛选得到较多的初始匹配结果,保证了最终的准确性。
进一步的技术方案在于,所述科技成果的匹配度的匹配步骤为:
S31基于所述科技成果需求的关键词,并将科技成果需求的关键词与设定完成的关键词数据库进行匹配得到关键词匹配结果,并根据关键词匹配结果对所述科技成果需求的关键词进行扩展,得到扩展关键词;
S32基于所述扩展关键词与所述初始匹配结果的关键词进行匹配,的搭配匹配数量;
S33基于所述匹配数量与所述科技成果需求的关键词的数量,得到匹配度。
通过采用关键词数据库的设置,从而可以对科技成果需求的关键词进行进一步的扩充,也使得得到的匹配度值更加接近真实值,也使得总体的预测效果变得更加准确。
进一步的技术方案在于,所述匹配度的计算公式为:
其中K3为权值,K2为根据学科类型确定的学科权值,学科越冷门,学科权值越大,X1为匹配数量,X2为科技成果需求的关键词的数量。
通过采用学科权值对匹配度进行修正,从而进一步提升了冷门学科的匹配度,使得冷门学科匹配得到的数量进一步提升,也保证了整个预测结果的准确性。
进一步的技术方案在于,获取历史科技成果转化成功率的具体步骤为:
S41获取所述历史科技成果的历史转让价格,所述历史科技成果转化形成产品的数量,历史科技成果的数量;
S42基于所述历史科技成果转化形成产品的数量和历史科技成果的数量得到初始转化率;
S43基于所述历史科技成果的历史转让价格对所述初始转化率进行修正,得到历史科技成果转化成功率。
通过采用所述历史科技成果的历史转让价格对初始转化率进行修正,其中历史转让价格越低,修正后的转化成功率越高,进一步提升了某些价格低廉但是转化成功率较高的科技成果的筛选比例,保证了企业的利益。
进一步的技术方案在于,当所述团队的历史科技成果转化成功率大于第二转化率阈值的所对应的高匹配度匹配结果的数量大于第二阈值时,不再对所述科技转化匹配结果的先进性进行评估,并直接将所述团队的历史科技成果转化成功率大于第二转化率阈值的所对应的高匹配度匹配结果作为推荐科技成果向所述企业进行推荐,所述第二转化率阈值大于第一转化率阈值。
进一步的技术方案在于,所述第一先进性阈值根据所述科技成果的学科分类确定。
进一步的技术方案在于,基于所述挂牌价格、所述匹配度、所述转化成功率、所述先进性评估结果构建综合评估函数,并基于所述综合评估函数的评估结果得到推荐科技成果。
另一方面,本发明提供了一种提升科技成果转化率的智能推荐系统,采用上述的一种提升科技成果转化率的智能推荐方法,包括
初始匹配模块,匹配度匹配模块,科技转化匹配模块,结果输出模块;
所述初始匹配模块负责提取企业科技成果需求的关键词、学科分类以及预算,并基于所述需求的学科分类与所述科技成果数据库中的科技成果的学科分类进行匹配得到学科匹配结果,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果;
所述匹配度匹配模块负责提取所述初始匹配结果的关键词,并将所述初始匹配结果的关键词与所述科技成果需求的关键词进行匹配,得到科技成果的匹配度,并将所述科技成果的匹配度大于第一阈值的进行筛选得到高匹配度匹配结果;
所述科技转化匹配模块负责基于所述高匹配度匹配结果,得到所述高匹配度匹配结果的所属团队的历史科技成果转化成功率,并对所述团队的历史科技成果转化成功率大于第一转化率阈值所对应的高匹配度匹配结果进行筛选得到科技转化匹配结果;
所述结果输出模块负责对所述科技转化匹配结果的先进性进行评估得到先进性评估结果,并将所述先进性评估结果大于第一先进性阈值的科技转化匹配结果作为推荐科技成果向所述企业进行推荐。
另一方面,本申请实施例中提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的提升科技成果转化率的智能推荐方法。
另一方面,本申请实施例中提供一种计算机程序产品,其特征在于,所述计算机程序产品存储有指令,所述指令在由计算机执行时,使得所述计算机实施上述的提升科技成果转化率的智能推荐方法。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例1的一种提升科技成果转化率的智能推荐方法流程图。
图2是实施例1中的根据学科匹配结果的转让价格与所述预算进行匹配的具体步骤的流程图。
图3是根据实施例1的科技成果的匹配度的匹配步骤的流程图。
图4是根据实施例1的获取历史科技成果转化成功率的具体步骤的流程图。
图5是根据实施例2的一种提升科技成果转化率的智能推荐系统的框架图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构,因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
随着创新驱动发展战略的不断落实,国家对科技成果转化的认识在不断加深,政府通过发布一系列的宏观政策对科技成果转化的发展进行支持和督促。目前,科技成果转化,作为科学技术创新的重要方式,已经成为加快科学技术成果向现实生产力转化、实现科技经济一体化的主要途径,也成为建设科技、经济创新型国家的不可缺少的重要环节。
为了解决科技成果转化的效率,在硕士论文《面向产学合作的高校推荐研究与巧用》作者胡松杰企业需求出发,对需求内容本身进行文本预处理、特征提取和关键词分类,使企业需求能够被较准确地分到某一领域或类别中。再结合产学合作的特点,站在企业选择合作伙伴的角度,在“高校基础科研能力”、“离校成果转化能力”、“高校产学合作背景”三个角度对合作的高校进行推荐,但是却没有考虑企业的预算以及科技成果的转让价格首先对项目进行筛选,导致无法快速准确的对项目与企业之间进行匹配,并且在此基础上,并未按照科技成果的匹配度、所对应的团队的历史科技成果转化成功率、科技成果的先进性分步骤进行筛选,从而使得科技成果筛选的效率和准确度都不够高,不能较快的实现对科技成果的匹配,取得较大的经济效益。
实施例1
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种提升科技成果转化率的智能推荐方法。
一种提升科技成果转化率的智能推荐方法,其特征在于,具体包括:
S11提取企业科技成果需求的关键词、学科分类以及预算,并基于所述需求的学科分类与所述科技成果数据库中的科技成果的学科分类进行匹配得到学科匹配结果,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果;
S12提取所述初始匹配结果的关键词,并将所述初始匹配结果的关键词与所述科技成果需求的关键词进行匹配,得到科技成果的匹配度,并将所述科技成果的匹配度大于第一阈值的进行筛选得到高匹配度匹配结果;
S13基于所述高匹配度匹配结果,得到所述高匹配度匹配结果的所属团队的历史科技成果转化成功率,并对所述团队的历史科技成果转化成功率大于第一转化率阈值所对应的高匹配度匹配结果进行筛选得到科技转化匹配结果;
S14对所述科技转化匹配结果的先进性进行评估得到先进性评估结果,并将所述先进性评估结果大于第一先进性阈值的科技转化匹配结果作为推荐科技成果向所述企业进行推荐。
具体的举个例子,通过专家打分的形式对所述科技转化匹配结果的先进性进行打分,从而可以得到最终的先进性,或者将科技转化匹配结果的关键词送入到基于智能算法的预测模型之中,得到最终的先进性评估结果,或者按照固定的先进性评测标准,由专家按照先进性评测标准确定其先进性评估结果。第一先进性阈值根据学科的不同而不同,具体的可以采用专家打分的形式进行确定,确定本学科的第一先进性阈值。
通过首先采用学科分类首先实现企业科技成果需求与所述科技成果数据库中的科技成果的匹配,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果,从而解决了原有的没有考虑企业的预算以及相同团队的科技成果的转让价格首先对项目进行筛选,导致无法快速准确的对项目与企业之间进行匹配的技术问题,从而较快的实现了对科技成果的批量筛选,进一步降低了计算量,在得到初始匹配结果的基础上,通过分步骤对科技成果的匹配度、所对应的团队的历史科技成果转化成功率、科技成果的先进性进行筛选,从而进一步解决了原有的由于没有分步骤筛选导致的科技成果筛选的效率和准确度都不够高,不能较快的实现对科技成果的匹配,取得较大的经济效益的技术问题,使得技术问题的筛选结果的准确率得到进一步提高,也使得科技成果能够较快的实现与企业的对接,进一步提升了科技成果转化的效率和针对性。
通过先采用学科分类进行筛选,从而可以通过较少的计算量实现大量的不匹配的科技成果的筛选,筛选效率大大提高,在此基础上,通过科技成果的价格匹配,从而进一步在较少的计算量的基础上,进一步实现了对科技成果的筛选,在此基础上,按照科技成果的匹配度筛选得到匹配度较高的科技成果,进一步的对科技成果的所属团队的历史科技成果转化成功率进行筛选,从而进一步保证了科技成果的转化率,在此基础上在对科技成果的先进性进行评估,从而得到最终的推荐科技成果,使得筛选得到的推荐科技成果不仅仅考虑匹配度,而且综合考虑到了转化成功率、学科分类、价格、先进性等多重因素,使得匹配结果即准确又有效,而且效率极高,提升了科技成果匹配的效率,也使得科技成果转化的成功率大大提升,并且先从学科分类进行粗分类、价格进行精确筛选的基础上,可以在较少的计算量的基础上首先进行科技成果的筛选,再进行科技成果本身的匹配度、转化成功率、先进性进行分步骤筛选,从科技成果的指标的重要程度的不同分批量进行开展,进一步提升了筛选的效率。
在另外一种可能的实施例中,当所述初始匹配结果或者高匹配度匹配结果或者科技转化匹配结果的其中任意一项的数量小于第一数量阈值时,不再进行后续的筛选步骤。
通过第一数量阈值的设定,在其中的匹配结果所有的步骤虽然尚未完成,但是其数量已经较少,因此不再进行后续的筛选步骤,在保证推荐结果的基础上,从而进一步提升了整体的效率。
在另外一种可能的实施例中,如图2所示,根据学科匹配结果的转让价格与所述预算进行匹配的具体步骤为:
S21提取所述学科匹配结果的挂牌价格,并提取所述学科匹配结果所属团队的历史科技成果的历史转让价格以及历史挂牌价格,基于所述历史挂牌价格和所述历史转让价格得到历史折扣率;
S22基于所述历史折扣率与所述挂牌价格得到预估成交价格;
S23当所述预估成交价格减去所述预算的结果小于第一价格阈值时,得到所述初始匹配结果。
具体的举个例子,预估成交价格为20万元,预算为19万元,第一价格阈值为2万元,则所述预估成交价格减去所述预算的结果为1万元,小于第一价格阈值。
通过基于历史折扣率和挂牌价格,对学科匹配结果的挂牌价格进行修正,使得预估成交价格能够更加准确的反应真实的成交结果,并通过第一价格阈值的设置,从而进一步保证了初始匹配结果的准确性,进一步扩大了初始匹配结果的数量,保证了最终的准确效果。
在另外一种可能的实施例中,所述第一价格阈值的具体公式为:
T1=K1ln(G+1)(1+K2)2
其中K1为权值,G为预算,单位为万元,K2为根据学科类型确定的学科权值,学科越冷门,学科权值越大。
学科冷门会导致科研成果数量较少,从而使得第一价格阈值变得更大,从而进一步保证了能够筛选得到较多的初始匹配结果,保证了最终的准确性。
在另外一种可能的实施例中,如图3所示,所述科技成果的匹配度的匹配步骤为:
S31基于所述科技成果需求的关键词,并将科技成果需求的关键词与设定完成的关键词数据库进行匹配得到关键词匹配结果,并根据关键词匹配结果对所述科技成果需求的关键词进行扩展,得到扩展关键词;
S32基于所述扩展关键词与所述初始匹配结果的关键词进行匹配,的搭配匹配数量;
S33基于所述匹配数量与所述科技成果需求的关键词的数量,得到匹配度。
通过采用关键词数据库的设置,从而可以对科技成果需求的关键词进行进一步的扩充,也使得得到的匹配度值更加接近真实值,也使得总体的预测效果变得更加准确。
在另外一种可能的实施例中,所述匹配度的计算公式为:
其中K3为权值,K2为根据学科类型确定的学科权值,学科越冷门,学科权值越大,X1为匹配数量,X2为科技成果需求的关键词的数量。
通过采用学科权值对匹配度进行修正,从而进一步提升了冷门学科的匹配度,使得冷门学科匹配得到的数量进一步提升,也保证了整个预测结果的准确性。
在另外一种可能的实施例中,如图4所示,获取历史科技成果转化成功率的具体步骤为:
S41获取所述历史科技成果的历史转让价格,所述历史科技成果转化形成产品的数量,历史科技成果的数量;
S42基于所述历史科技成果转化形成产品的数量和历史科技成果的数量得到初始转化率;
S43基于所述历史科技成果的历史转让价格对所述初始转化率进行修正,得到历史科技成果转化成功率。
通过采用所述历史科技成果的历史转让价格对初始转化率进行修正,其中历史转让价格越低,修正后的转化成功率越高,进一步提升了某些价格低廉但是转化成功率较高的科技成果的筛选比例,保证了企业的利益。
在另外一种可能的实施例中,当所述团队的历史科技成果转化成功率大于第二转化率阈值的所对应的高匹配度匹配结果的数量大于第二阈值时,不再对所述科技转化匹配结果的先进性进行评估,并直接将所述团队的历史科技成果转化成功率大于第二转化率阈值的所对应的高匹配度匹配结果作为推荐科技成果向所述企业进行推荐,所述第二转化率阈值大于第一转化率阈值。
在另外一种可能的实施例中,所述第一先进性阈值根据所述科技成果的学科分类确定。
在另外一种可能的实施例中,基于所述挂牌价格、所述匹配度、所述转化成功率、所述先进性评估结果构建综合评估函数,并基于所述综合评估函数的评估结果得到推荐科技成果。
实施例2
如图5所示,一种提升科技成果转化率的智能推荐系统,采用上述的一种提升科技成果转化率的智能推荐方法,包括
初始匹配模块,匹配度匹配模块,科技转化匹配模块,结果输出模块;
所述初始匹配模块负责提取企业科技成果需求的关键词、学科分类以及预算,并基于所述需求的学科分类与所述科技成果数据库中的科技成果的学科分类进行匹配得到学科匹配结果,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果;
所述匹配度匹配模块负责提取所述初始匹配结果的关键词,并将所述初始匹配结果的关键词与所述科技成果需求的关键词进行匹配,得到科技成果的匹配度,并将所述科技成果的匹配度大于第一阈值的进行筛选得到高匹配度匹配结果;
所述科技转化匹配模块负责基于所述高匹配度匹配结果,得到所述高匹配度匹配结果的所属团队的历史科技成果转化成功率,并对所述团队的历史科技成果转化成功率大于第一转化率阈值所对应的高匹配度匹配结果进行筛选得到科技转化匹配结果;
所述结果输出模块负责对所述科技转化匹配结果的先进性进行评估得到先进性评估结果,并将所述先进性评估结果大于第一先进性阈值的科技转化匹配结果作为推荐科技成果向所述企业进行推荐。
实施例3
本申请实施例中提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的提升科技成果转化率的智能推荐方法。
实施例4
本申请实施例中提供一种计算机程序产品,其特征在于,所述计算机程序产品存储有指令,所述指令在由计算机执行时,使得所述计算机实施上述的提升科技成果转化率的智能推荐方法。
在本发明实施例中,术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可折卸连接,或一体地连接。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明实施例中的具体含义。
本发明实施例的描述中,需要理解的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作,因此,不能理解为对本发明实施例的限制。
在本说明书的描述中,术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明实施例的优选实施例而已,并不用于限制本发明实施例,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (6)
1.一种提升科技成果转化率的智能推荐方法,其特征在于,具体包括:
S11提取企业科技成果需求的关键词、学科分类以及预算,并基于所述需求的学科分类与所述科技成果数据库中的科技成果的学科分类进行匹配得到学科匹配结果,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果;
S12提取所述初始匹配结果的关键词,并将所述初始匹配结果的关键词与所述科技成果需求的关键词进行匹配,得到科技成果的匹配度,并将所述科技成果的匹配度大于第一阈值的进行筛选得到高匹配度匹配结果;
所述科技成果的匹配度的匹配步骤为:
S31基于所述科技成果需求的关键词,并将科技成果需求的关键词与设定完成的关键词数据库进行匹配得到关键词匹配结果,并根据关键词匹配结果对所述科技成果需求的关键词进行扩展,得到扩展关键词;
S32基于所述扩展关键词与所述初始匹配结果的关键词进行匹配,的搭配匹配数量;
S33基于所述匹配数量与所述科技成果需求的关键词的数量,得到匹配度;
所述匹配度的计算公式为:其中K3为权值,K2为根据学科类型确定的学科权值,学科越冷门,学科权值越大,X1为匹配数量,X2为科技成果需求的关键词的数量;
S13基于所述高匹配度匹配结果,得到所述高匹配度匹配结果的所属团队的历史科技成果转化成功率,并对所述团队的历史科技成果转化成功率大于第一转化率阈值所对应的高匹配度匹配结果进行筛选得到科技转化匹配结果;
获取历史科技成果转化成功率的具体步骤为:
S41获取所述历史科技成果的历史转让价格,所述历史科技成果转化形成产品的数量,历史科技成果的数量;
S42 基于所述历史科技成果转化形成产品的数量和历史科技成果的数量得到初始转化率;
S43基于所述历史科技成果的历史转让价格对所述初始转化率进行修正,得到历史科技成果转化成功率;
当所述初始匹配结果或者高匹配度匹配结果或者科技转化匹配结果的其中任意一项的数量小于第一数量阈值时,不再进行后续的筛选步骤;
当所述团队的历史科技成果转化成功率大于第二转化率阈值的所对应的高匹配度匹配结果的数量大于第二阈值时,不再对所述科技转化匹配结果的先进性进行评估,并直接将所述团队的历史科技成果转化成功率大于第二转化率阈值的所对应的高匹配度匹配结果作为推荐科技成果向所述企业进行推荐,所述第二转化率阈值大于第一转化率阈值;
S14对所述科技转化匹配结果的先进性进行评估得到先进性评估结果,并将所述先进性评估结果大于第一先进性阈值的科技转化匹配结果作为推荐科技成果向所述企业进行推荐。
2.如权利要求1所述的提升科技成果转化率的智能推荐方法,其特征在于,当所述初始匹配结果或者高匹配度匹配结果或者科技转化匹配结果的其中任意一项的数量小于第一数量阈值时,不再进行后续的筛选步骤。
3.如权利要求1所述的提升科技成果转化率的智能推荐方法,其特征在于,根据学科匹配结果的转让价格与所述预算进行匹配的具体步骤为:
S21 提取所述学科匹配结果的挂牌价格,并提取所述学科匹配结果所属团队的历史科技成果的历史转让价格以及历史挂牌价格,基于所述历史挂牌价格和所述历史转让价格得到历史折扣率;
S22基于所述历史折扣率与所述挂牌价格得到预估成交价格;
S23当所述预估成交价格减去所述预算的结果小于第一价格阈值时,得到所述初始匹配结果。
4.如权利要求3所述的提升科技成果转化率的智能推荐方法,其特征在于,所述第一价格阈值的具体公式为:其中K1为权值,G为预算,单位为万元,K2为根据学科类型确定的学科权值,学科越冷门,学科权值越大。
5.如权利要求1所述的提升科技成果转化率的智能推荐方法,其特征在于,所述第一先进性阈值根据所述科技成果的学科分类确定。
6.一种提升科技成果转化率的智能推荐系统,采用权利要求1-5任意一种提升科技成果转化率的智能推荐方法,包括
初始匹配模块,匹配度匹配模块,科技转化匹配模块,结果输出模块;
所述初始匹配模块负责提取企业科技成果需求的关键词、学科分类以及预算,并基于所述需求的学科分类与所述科技成果数据库中的科技成果的学科分类进行匹配得到学科匹配结果,并根据学科匹配结果的挂牌价格与所述预算进行匹配,得到初始匹配结果;
所述匹配度匹配模块负责提取所述初始匹配结果的关键词,并将所述初始匹配结果的关键词与所述科技成果需求的关键词进行匹配,得到科技成果的匹配度,并将所述科技成果的匹配度大于第一阈值的进行筛选得到高匹配度匹配结果;
所述科技转化匹配模块负责基于所述高匹配度匹配结果,得到所述高匹配度匹配结果的所属团队的历史科技成果转化成功率,并对所述团队的历史科技成果转化成功率大于第一转化率阈值所对应的高匹配度匹配结果进行筛选得到科技转化匹配结果;
所述结果输出模块负责对所述科技转化匹配结果的先进性进行评估得到先进性评估结果,并将所述先进性评估结果大于第一先进性阈值的科技转化匹配结果作为推荐科技成果向所述企业进行推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211018535.2A CN115358821B (zh) | 2022-08-24 | 2022-08-24 | 一种提升科技成果转化率的智能推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211018535.2A CN115358821B (zh) | 2022-08-24 | 2022-08-24 | 一种提升科技成果转化率的智能推荐方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115358821A CN115358821A (zh) | 2022-11-18 |
CN115358821B true CN115358821B (zh) | 2023-08-04 |
Family
ID=84003781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211018535.2A Active CN115358821B (zh) | 2022-08-24 | 2022-08-24 | 一种提升科技成果转化率的智能推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358821B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720896B (zh) * | 2023-08-10 | 2023-10-24 | 青岛阿斯顿工程技术转移有限公司 | 基于大数据的企业科技服务个性化推荐方法及系统 |
CN117992676B (zh) * | 2024-04-02 | 2024-06-07 | 福建省君诺科技成果转化服务有限公司 | 一种基于大数据的科技成果智能推荐方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243470A (zh) * | 2015-09-17 | 2016-01-13 | 中关村四方现代服务产业技术创新战略联盟 | 需求服务对接的科技成果转化系统 |
WO2019070925A1 (en) * | 2017-10-06 | 2019-04-11 | Elsevier, Inc. | SYSTEMS AND METHODS FOR PROVIDING RECOMMENDATIONS FOR UNIVERSITY ENTITIES AND RESEARCH |
CN110782230A (zh) * | 2019-10-30 | 2020-02-11 | 烟台仙海网络科技有限公司 | 基于区块链技术的科技成果转移转化服务系统 |
WO2020220340A1 (zh) * | 2019-04-30 | 2020-11-05 | 北京字节跳动网络技术有限公司 | 对象推荐方法及装置、存储介质与终端设备 |
CN112907400A (zh) * | 2021-02-24 | 2021-06-04 | 南通大学 | 一种科技成果转化系统及方法 |
CN114092286A (zh) * | 2021-11-22 | 2022-02-25 | 远效科技成果转化服务有限公司 | 一种科技成果转移转化系统 |
CN114443961A (zh) * | 2022-01-28 | 2022-05-06 | 武汉理工大学 | 一种内容过滤科技成果推荐方法、模型及存储介质 |
CN114638443A (zh) * | 2022-05-19 | 2022-06-17 | 安徽数智建造研究院有限公司 | 一种基于改进遗传算法的施工设备智能选型及调配方法 |
-
2022
- 2022-08-24 CN CN202211018535.2A patent/CN115358821B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243470A (zh) * | 2015-09-17 | 2016-01-13 | 中关村四方现代服务产业技术创新战略联盟 | 需求服务对接的科技成果转化系统 |
WO2019070925A1 (en) * | 2017-10-06 | 2019-04-11 | Elsevier, Inc. | SYSTEMS AND METHODS FOR PROVIDING RECOMMENDATIONS FOR UNIVERSITY ENTITIES AND RESEARCH |
WO2020220340A1 (zh) * | 2019-04-30 | 2020-11-05 | 北京字节跳动网络技术有限公司 | 对象推荐方法及装置、存储介质与终端设备 |
CN110782230A (zh) * | 2019-10-30 | 2020-02-11 | 烟台仙海网络科技有限公司 | 基于区块链技术的科技成果转移转化服务系统 |
CN112907400A (zh) * | 2021-02-24 | 2021-06-04 | 南通大学 | 一种科技成果转化系统及方法 |
CN114092286A (zh) * | 2021-11-22 | 2022-02-25 | 远效科技成果转化服务有限公司 | 一种科技成果转移转化系统 |
CN114443961A (zh) * | 2022-01-28 | 2022-05-06 | 武汉理工大学 | 一种内容过滤科技成果推荐方法、模型及存储介质 |
CN114638443A (zh) * | 2022-05-19 | 2022-06-17 | 安徽数智建造研究院有限公司 | 一种基于改进遗传算法的施工设备智能选型及调配方法 |
Non-Patent Citations (1)
Title |
---|
高校科技成果转化的项目甄别与筛选;李嘉明;赵志卫;;科技管理研究(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115358821A (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115358821B (zh) | 一种提升科技成果转化率的智能推荐方法和系统 | |
Kong et al. | Applying fuzzy analytic hierarchy process to evaluate success factors of e-commerce | |
Sagarra et al. | Spanish savings banks in the credit crunch: could distress have been predicted before the crisis? A multivariate statistical analysis | |
Köksalan et al. | A DEA-based approach to ranking multi-criteria alternatives | |
CN114077980A (zh) | 智能供应商管理系统及智能供应商管理方法 | |
Weber et al. | Cost, time, and risk assessment of different wave energy converter technology development trajectories | |
Le et al. | Using the optimization algorithm to evaluate and predict the business performance of logistics companies–a case study in Vietnam | |
CN110717666A (zh) | 一种企业产品的市场竞争力评价方法 | |
Ha | The role of financial development in enhancing trades in environmental goods: International insights from 119 countries | |
Pereira et al. | A reduction method for semi-infinite programming by means of a global stochastic approach | |
CN107679709A (zh) | 一种基于直觉模糊数和信誉传递的供应商选择方法及装置 | |
Attig et al. | International diversification and corporate social responsibility | |
Alcalde et al. | Multivalued contexts associated with criteria | |
Fang et al. | Evaluation of New Product Development Alternatives Considering Interrelationships among Decision Criteria. | |
JP2003030448A (ja) | 株価レーティングの評価方法、証券アナリストのランキング方法及び証券投資方法 | |
Krauss | Canada Oil-Sands Plan Collapses Over Politics and Economics. | |
Sillars | Development of decision model for selection of appropriate timely delivery techniques for highway projects | |
Xie et al. | Forecasting China’s carbon emissions trading volume by an improved weighted grey power model | |
Laborde et al. | Implications of the 2008 Doha draft agricultural and NAMA market access modalities for developing countries | |
Grygorkiv et al. | Analysis for the National Economies Based on Aggregated Input-Output Models | |
Ashrafi et al. | Efficiency decomposition for two-process production systems with shared inputs in data envelopment analysis | |
CN117540736A (zh) | 一种面向绿色设计需求的绿色设计知识推送方法 | |
Gupta | Predicting click through rate for job listings | |
Jiang | A mathematically generated criteria weight approach for multi-criterion decision | |
Quan et al. | Sales Analysis of Network Marketing Products Based on Neural Network Data Mining Algorithm |
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 |