CN116757314A - 基于大数据和人工智能融合驱动的技术预见方法和系统 - Google Patents
基于大数据和人工智能融合驱动的技术预见方法和系统 Download PDFInfo
- Publication number
- CN116757314A CN116757314A CN202310651068.5A CN202310651068A CN116757314A CN 116757314 A CN116757314 A CN 116757314A CN 202310651068 A CN202310651068 A CN 202310651068A CN 116757314 A CN116757314 A CN 116757314A
- Authority
- CN
- China
- Prior art keywords
- technical
- list
- information
- technology
- expert
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 278
- 238000000034 method Methods 0.000 title claims abstract description 120
- 230000004927 fusion Effects 0.000 title claims abstract description 50
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 47
- 238000011160 research Methods 0.000 claims abstract description 110
- 238000011156 evaluation Methods 0.000 claims abstract description 96
- 238000004088 simulation Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000000691 measurement method Methods 0.000 claims abstract description 15
- 230000000007 visual effect Effects 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000011835 investigation Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000011002 quantification Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 238000013439 planning Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 238000005065 mining Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000019771 cognition Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于大数据和人工智能融合驱动的技术预见方法和系统,基于需求任务对应的研究领域对象采集候选技术信息,建立需求任务对应的综合候选技术清单;基于预设的遴选指标体系和对应的测度方法,对综合候选技术清单进行优化,确定目标技术清单;获取目标技术清单对应的专家研判信息和技术画像,融合生成目标技术清单的技术评估信息;基于技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。实现技术发现、技术遴选、技术评估、综合研判一体化的严谨完备的技术预见流程,在定量化程度、智能化水平和科学化深度上均有提升,在技术预见领域体现了大数据和人工智能深度结合、人机高效协同的优势。
Description
技术领域
本发明涉及技术预见领域,尤其涉及一种基于大数据和人工智能融合驱动的技术预见方法和系统。
背景技术
长期以来,技术预见主要用于预测与评估中长期科技优先布局领域和方向,指导科技发展规划制定。在开展的技术预见活动中,往往采用德尔菲调查、情景模拟、文献计量等定性和基于统计分析的定量研究方法,虽然取得的效果较为明显,但还存在方法体系不够完备、主观性强、量化分析不够深入等不足。随着以大数据、人工智能等为代表的数字与智能技术快速发展和泛化应用,技术预见领域将从以人为主向以“大数据/人工智能驱动+专家智慧”为主转型升级。
公布号为CN105930942A的中国发明专利申请提出了一种由数据采集装置、能源技术大数据处理器、能源技术遴选系统、专家决策支持系统、终端器等模块组成的能源技术预见智能系统,该系统虽然运用了大数据采集、处理与挖掘提取技术,为技术预见研究提供了较高质量的数据支撑,但在指标体系测度、技术清单遴选等主体任务上依然以专家为主,没有实现人与机器的深度结合,同时该系统的研究流程侧重于能源技术领域,其通用性和迁移性也存在局限性。
公布号为CN107832123A的中国发明专利申请公开了一种基于人工智能的技术预见方法,该方法包括任务发布者定义技术预见任务及所属子任务、为子任务匹配相应标识化资源、调用所确定的资源来求解子任务等环节流程,采用的资源主要有模型库中的模型资源、数据库中的数据资源、知识库中的知识资源、专家群智库中的专家资源,可在较大程度上实现专家智慧与机器智能耦合求解技术预见问题,但过分强调专家智慧的参与度,弱化了机器智能发挥的作用,并且在技术清单的定量化生成、多维度与可视化技术评价评估等方面尚存在不足,人机耦合程度还有进一步提升空间。
发明内容
本发明提供一种基于大数据和人工智能融合驱动的技术预见方法和系统,用以解决现有技术中人与机器结合不够深入的问题,实现大数据和人工智能深度结合、人机高效协同的技术预见。
本发明提供一种基于大数据和人工智能融合驱动的技术预见方法,包括:
基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;
基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;
获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;
基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见方法,所述基于需求任务对应的研究领域对象,采集候选技术信息,建立所述需求任务对应的综合候选技术清单,包括:
基于所述需求任务确定态势信息分析对象、专家提名推荐对象和多源数据扫描监测对象;
对于所述态势信息分析对象,从预设的科技态势库和预设的多元知识库中提取预设维度的知识,生成第一候选技术清单;
对于所述专家提名推荐对象,从预设的专家信息库中调取目标专家对应预存的技术信息和预测意见,生成第二候选技术清单;
对于所述多源数据扫描监测对象,从预设的方法模型库中确定技术发现模型,根据所述技术发现模型对所述科技态势库中的数据进行技术信息识别,生成第三候选技术清单;
基于所述第一候选技术清单、所述第二候选技术清单和所述第三候选技术清单进行融合,确定所述综合技术清单;
其中,所述科技态势库包括科技领域的态势信息,所述多元知识库包括多类知识和多个知识维度的信息,所述专家信息库包括科技领域的专家画像信息,所述方法模型库包括多种模型。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见方法,所述基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单,包括:
在所述方法模型库中确定层次分析模型、专家调查模型、相关矩阵模型和逼近理想解排序模型;
基于所述层次分析模型对预先构建的技术遴选指标体系赋予权值,得到赋权指标体系信息;
将所述综合候选技术清单输入专家调查模型进行评分,基于所述评分对所述综合候选技术清单中的候选技术进行排序和筛选,生成第一排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述相关矩阵模型,生成第二排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述逼近理想解排序模型,生成第三排序清单;
对于所述第一排序清单、所述第二排序清单和所述第三排序清单,各自选取排序靠前预设数量的初筛候选技术;
对所有初筛候选技术执行取交集处理,确定所述目标技术清单。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见方法,所述获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息,包括:
将所述目标技术清单和所述专家信息库中的目标专家的专家画像信息输入所述方法模型库中的技术评估模型,生成所述专家研判信息;
将所述目标技术清单输入预设的多维技术画像模块,调用所述多元知识库和所述科技态势库,从中匹配与进行所述目标技术清单具有预设相似度的可视化的主题内容;
通过所述多维技术画像模块将所述可视化的主题内容融合,生成所述目标技术清单对应的可视化的技术画像;
对所述专家研判信息和所述技术画像进行融合,生成技术评估信息。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见方法,所述基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告,包括:
通过预设的研讨环境访问所述多元知识库,确定与所述技术评估信息相关的目标知识信息;
通过所述研讨环境获取所述目标专家的专家预测信息,其中所述专家预测信息为所述目标专家基于所述目标知识信息和所述技术评估信息得到;
通过所述研讨环境,调用所述方法模型库中的综合研判模型,将所述专家预测信息和所述技术评估信息输入所述综合研判模型,生成技术预见结果;
将所述技术预见结果和所述技术评估信息合并,生成所述技术预见报告。
本发明还提供一种基于大数据和人工智能融合驱动的技术预见系统,包括:
技术发现模块,用于基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;
技术遴选模块,用于基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;
技术评估模块,用于获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;
综合研判模块,用于基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见系统,所述系统包括科技态势库、多元知识库、专家信息库和方法模型库;
所述技术发现模块,具体用于:
基于所述需求任务确定态势信息分析对象、专家提名推荐对象和多源数据扫描监测对象;
对于所述态势信息分析对象,从预设的科技态势库和预设的多元知识库中提取预设维度的知识,生成第一候选技术清单;
对于所述专家提名推荐对象,从预设的专家信息库中调取目标专家对应预存的技术信息和预测意见,生成第二候选技术清单;
对于所述多源数据扫描监测对象,从预设的方法模型库中确定技术发现模型,根据所述技术发现模型对所述科技态势库中的数据进行技术信息识别,生成第三候选技术清单;
基于所述第一候选技术清单、所述第二候选技术清单和所述第三候选技术清单进行融合,确定所述综合技术清单;
其中,所述科技态势库包括科技领域的态势信息,所述多元知识库包括多类知识和多个知识维度的信息,所述专家信息库包括科技领域的专家画像信息,所述方法模型库包括多种模型。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见系统,所述技术遴选模块,具体用于:
在所述方法模型库中确定层次分析模型、专家调查模型、相关矩阵模型和逼近理想解排序模型;
基于所述层次分析模型对预先构建的技术遴选指标体系赋予权值,得到赋权指标体系信息;
将所述综合候选技术清单输入专家调查模型进行评分,基于所述评分对所述综合候选技术清单中的候选技术进行排序和筛选,生成第一排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述相关矩阵模型,生成第二排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述逼近理想解排序模型,生成第三排序清单;
对于所述第一排序清单、所述第二排序清单和所述第三排序清单,各自选取排序靠前预设数量的初筛候选技术;
对所有初筛候选技术执行取交集处理,确定所述目标技术清单。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见系统,所述系统还包括多维技术画像模块;
所述技术评估模块,具体用于:
将所述目标技术清单和所述专家信息库中的目标专家的专家画像信息输入所述方法模型库中的技术评估模型,生成所述专家研判信息;
将所述目标技术清单输入预设的多维技术画像模块,调用所述多元知识库和所述科技态势库,从中匹配与所述目标技术清单具有预设相似度的可视化的主题内容;
通过所述多维技术画像模块将所述可视化的主题内容融合,生成所述目标技术清单对应的可视化的技术画像;
对所述专家研判信息和所述技术画像进行融合,生成技术评估信息。
根据本发明提供的一种基于大数据和人工智能融合驱动的技术预见系统,所述系统还包括研讨环境;
所述综合研判模块,具体用于:
通过预设的研讨环境访问所述多元知识库,确定与所述技术评估信息相关的目标知识信息;
通过所述研讨环境获取所述目标专家的专家预测信息,其中所述专家预测信息为所述目标专家基于所述目标知识信息和所述技术评估信息得到;
通过所述研讨环境,调用所述方法模型库中的综合研判模型,将所述专家预测信息和所述技术评估信息输入所述综合研判模型,生成技术预见结果;
将所述技术预见结果和所述技术评估信息合并,生成所述技术预见报告。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于大数据和人工智能融合驱动的技术预见方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于大数据和人工智能融合驱动的技术预见方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述基于大数据和人工智能融合驱动的技术预见方法的步骤。
本发明提供的基于大数据和人工智能融合驱动的技术预见方法和系统,基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。实现技术发现、技术遴选、技术评估、综合研判一体化的严谨完备的技术预见流程,在定量化程度、智能化水平和科学化深度上均有提升,在技术预见领域体现了大数据和人工智能深度结合、人机高效协同的优势。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的技术预见框架的原理示意图;
图2是本发明提供的技术预见框架实现任务流程示意图;
图3是本发明提供的技术预见框架各阶段和各组成部分的关系示意图;
图4是本发明提供的方法模型库的示意图;
图5是本发明提供的多维技术画像模块的示意图;
图6是本发明提供的基于大数据和人工智能融合驱动的技术预见方法的流程示意图;
图7是本发明提供的基于大数据和人工智能融合驱动的技术预见应用流程示意图
图8是本发明提供的基于大数据和人工智能融合驱动的技术预见系统的结构示意图;
图9是本发明提供的电子设备的结构示意图。
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,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
为方便理解,在此先对本发明提出的基于大数据和人工智能融合驱动的技术预见方法和系统的原理进行解释。
如图1所示,本申请提出了“4+6”的技术预见框架,其中,“4”是指技术预见流程包括4个阶段,分别为技术发现、技术遴选、技术评估和综合研判;“6”是指6个组成部分,分别为基于知识视角的科技态势库、多元知识库,基于机器视角的方法模型库、多维技术画像模块,基于专家视角的专家信息库、研讨环境,各部分可以单独使用,或联合调用。
本申请提出的技术预见框架为提供定量与定性相结合、数据说话与专家研判相结合的新型框架,集技术发现、技术遴选、技术评估、综合研判于一体,采用组件式架构理念,实现按需灵活构建研究流程以实施不同复杂度的任务。该技术预见框架可以实现如图2所示的任务流程:根据研究需求定义技术预见与评估任务;确定研究领域或方向,区分领域或方向设置并行任务流程线;选定拟采用的方法模型及相关参数、一定数量合适背景的专家等资源;通过人机交互实施完成所分配的任务。
一个示例中,技术预见框架的4个阶段与6个组成部分的对应关系如图3所示。技术发现阶段可调用科技态势库、方法模型库、多元知识库、专家信息库,技术遴选阶段可调用方法模型库、专家信息库,技术评估阶段可调用方法模型库、多元知识库、科技态势库、多维技术画像模块、专家信息库,综合研判阶段可调用研讨环境、专家信息库、方法模型库、多元知识库。
科技态势库,利用大数据、机器学习等技术面向互联网开源信息和内部渠道特色资源进行全面扫描,采集、处理和管理海量科技领域相关数据,按照载体类别(包括但不限于期刊、专利、报告、项目、网站、事实等)、技术领域(包括但不限于智能科技、网络信息、先进电子、新材料等)等不同维度对数据进行准确标注,同时该模块可内置技术热点分析、技术关联分析、机器翻译等特色功能与算法组件,实现技术领域数据的高效精准检索与获取,并为技术预见框架中相关任务环节提供充分的数据支撑。
多元知识库,运用知识挖掘提取和人工干预的方式构建多类别、多维度知识内容体系,汇聚整合大量权威性知识资源,不仅可为用户直接提供精准知识服务,也可为技术预见框架中相关任务环节提供多元化知识基础。按照技术预见与评估研究要素,该模块建设内容包括但不限于官方精神知识库、规划知识库、历史成果知识库、名词释义知识库、指标测度知识库、机构人物知识库、重点项目知识库、未来技术与装备知识库、专家观点知识库等多类知识库。例如,官方精神知识库主要采集和序化官方关于科技创新和科技发展等方面的信息、规划计划、重要会议、重要讲话等知识条目;规划知识库主要采集和序化关于科技创新和科技发展等领域的综合性、专项性规划,以及智库报告等知识条目;重点项目知识库主要采集和序化重要科技研发与管理机构规划布局的重点项目等知识条目。
方法模型库,综合运用大数据、人工智能、科学计量等技术方法和手段,构建和管理用于典型技术发现识别、重点遴选、评估评价、综合研判的系列定量化、半定量化模型。该模块面向包括但不限于论文、专利、规划项目、智库报告、网络讯息等科技大数据,利用自然语言处理等技术进行清洗、实体消歧、归一化、融合等预处理。在此基础上重点构建了技术发现、技术遴选、技术评估、综合研判四类模型,如图4所示。一是构建基于文本属性特征的技术发现模型,识别发现典型技术候选清单。例如,设计实现了基于突破性、创新性、技术扩散度、技术影响力四个维度的颠覆性技术量化识别模型,可针对论文或专利甄别与筛选潜在颠覆性技术。二是构建包括指标体系筛选确定、指标定权、测度排序的技术遴选模型,主要以“专家经验+数理统计”方式,针对候选典型技术清单,按照“先筛后评”的原则,甄别确定重点典型技术清单。三是构建技术评估模型,以“数据推演+专家认知”方式,针对具体的技术方向或技术点开展多视角、多维度、定量化/半定量化的评估评价和预测预警,评估内容包括但不限于技术成熟度、技术融合度、技术预警等。四是构建综合研判模型,最大限度发掘专家认知智慧,围绕若干重大问题的预测推演达成共识,确保技术预见分析更加深入有力。典型的综合研判模型包括但不限于情景分析模型、博弈模型、技术路线图模型等。
多维技术画像模块,如图5所示,利用数据挖掘提取、文本分析、自然语言处理、大数据可视化等技术建立智能化分析模型,可针对特定技术领域或方向开展技术发展态势、技术热点、新兴技术点、机构及作者影响力等不同维度的可视化分析,构建技术深度画像,支撑进一步分析研判。例如,基于技术发展脉络预测技术发展趋势,综合技术的项目支持、经费投入和团队等资源配置情况对比评估技术发展水平等。同时,该模块也支持选择组合不同分析维度,定制生成研究报告。
专家信息库,基于开源信息挖掘提取、自然语言处理等技术,从科技文献及互联网中挖掘聚合专家信息和专家合作信息,建立多维度、网络化专家画像。该模块重点建设区分领域、行业、层次、类别的多标签化精英专家信息库,专家信息包括所在机构、学术头衔等信息,以及历年研究兴趣、科研合作网络、科研成果等相关信息。专家类别包括但不限于管理专家、装备专家、技术专家、社会学家、经济学家等。专家信息库可支持精准检索适需的国内外专家学者,在技术预见过程中发挥有效的认知判断和融智预测作用。
研讨环境,通常由专家研讨平台、实时语音记录与转换组件、研讨观点自动抽取组件等构成。其中,专家研讨平台支持专家自由研判和评议、调用多元知识库等相关支撑模块查阅专题知识、调用方法模型库相关模型开展定量与定性相结合的分析、加载多格式的研讨会议文件、记录保存研讨内容等;实时语音记录与转换组件支持专家声纹采集与适配、专家发言音频数据保存、音频-文本转换等;研讨观点自动抽取组件采用基于语义理解的自动摘要算法,从转换后的专家发言文本中提取主要观点。
基于上述技术预见框架,本发明提供一种基于大数据和人工智能融合驱动的技术预见方法,如图6所示,包括:
S61、基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;
S62、基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;
S63、获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;
S64、基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
其中,候选技术信息可以包括研究领域对象对应的知识、技术信息、专家的预测意见以及相关数据,由候选技术信息组成综合技术清单。
其中,专家研判信息为专家针对目标技术清单进行评估后得到的信息,用于表示“人”的维度对于目标技术清单的评估;技术画像为通过多维技术画像模块针对目标技术清单,进行检索查找后整理生成的目标技术清单对应的可视化的主题内容的集合,用于表示“机器”的维度对于目标技术清单的评估;技术评估信息结合了“人”与“机器”两个维度,融合生成技术评估信息更加全面和具体,具有较高的置信度。
其中,情景模拟的结果可以为基于技术评估信息进行情景模拟的研判结论,技术预见结果为根据研判结论得出的指导性意见,技术预见报告可以包括技术评估信息和技术预见结果。
进一步的,步骤S61可以包括:
S611、基于所述需求任务确定态势信息分析对象、专家提名推荐对象和多源数据扫描监测对象;
S612、对于所述态势信息分析对象,从预设的科技态势库和预设的多元知识库中提取预设维度的知识,生成第一候选技术清单;
S613、对于所述专家提名推荐对象,从预设的专家信息库中调取目标专家对应预存的技术信息和预测意见,生成第二候选技术清单;
S614、对于所述多源数据扫描监测对象,从预设的方法模型库中确定技术发现模型,根据所述技术发现模型对所述科技态势库中的数据进行技术信息识别,生成第三候选技术清单;
S615、基于所述第一候选技术清单、所述第二候选技术清单和所述第三候选技术清单进行融合,确定所述综合技术清单。
其中,需求任务可以分解为不同维度的对象,态势信息分析对象为非技术层面的维度信息,包括规划计划、项目安排、智库报告、媒体评论、动态跟捕。专家提名推荐对象为专家建议的维度信息,包括技术方向、技术领域和推荐理由。多源数据扫描监测对象为技术层面的维度信息,包括基于大数据的数据获取和人工智能模型处理的关于技术的相关信息。
其中,所述科技态势库包括科技领域的多个方面的态势信息,所述多元知识库包括多类知识和多个知识维度的信息,所述专家信息库包括科技领域的专家画像信息,所述方法模型库包括多种模型。
进一步的,步骤S62可以包括:
S621、在所述方法模型库中确定层次分析模型、专家调查模型、相关矩阵模型和逼近理想解排序模型;
S622、基于所述层次分析模型对预先构建的技术遴选指标体系赋予权值,得到赋权指标体系信息;
S623、将所述综合候选技术清单输入专家调查模型进行评分,基于所述评分对所述综合候选技术清单中的候选技术进行排序和筛选,生成第一排序清单;
S624、将所述赋权指标体系信息和所述第一排序清单输入所述相关矩阵模型,生成第二排序清单;
S625、将所述赋权指标体系信息和所述第一排序清单输入所述逼近理想解排序模型,生成第三排序清单;
S626、对于所述第一排序清单、所述第二排序清单和所述第三排序清单,各自选取排序靠前预设数量的初筛候选技术;
S627、对所有初筛候选技术执行取交集处理,确定所述目标技术清单。
其中,层次分析模型用于对技术遴选指标体系进行权值赋予;专家调查模型利用预存的专家对技术的结论和期望等量化的信息,对综合候选技术清单中的候选技术进行评分和筛选;相关矩阵模型用于构建赋权指标体系和第一排序清单的矩阵,基于矩阵进行重新排序;逼近理想解排序模型用于基于逼近理想排序法进行排序的模型,逼近理想排序法(technique for sequencing by approximate ideal solution or technique fororder preference by similarity to ideal solution)是一种借助于多属性决策问题的理想解和负理想解,对多属性决策问题的供选方案进行排序的方法。
进一步的,步骤S63可以包括:
S631、将所述目标技术清单和所述专家信息库中的目标专家的专家画像信息输入所述方法模型库中的技术评估模型,生成所述专家研判信息;
S632、将所述目标技术清单输入预设的多维技术画像模块,调用所述多元知识库和所述科技态势库,从中匹配与所述目标技术清单具有预设相似度的可视化的主题内容;
S633、通过所述多维技术画像模块将所述可视化的主题内容融合,生成所述目标技术清单对应的可视化的技术画像;
S634、对所述专家研判信息和所述技术画像进行融合,生成技术评估信息。
其中,专家画像信息用于表示专家在技术层面的相关信息,如专家擅长的技术领域、专家对于技术的评价和期望、专家对于技术的建议等。
技术评估信息可以为专家研判信息和技术画像的拼接,结合了“人”与“机器”两个维度,融合生成技术评估信息更加全面和具体,具有较高的置信度。
进一步的,步骤S64可以包括:
S641、通过预设的研讨环境访问所述多元知识库,确定与所述技术评估信息相关的目标知识信息;
S642、通过所述研讨环境获取所述目标专家的专家预测信息,其中所述专家预测信息为所述目标专家基于所述目标知识信息和所述技术评估信息得到;
S643、通过所述研讨环境,调用所述方法模型库中的综合研判模型,将所述专家预测信息和所述技术评估信息输入所述综合研判模型,生成技术预见结果;
S644、将所述技术预见结果和所述技术评估信息合并,生成所述技术预见报告。
本发明实施例中,基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。实现技术发现、技术遴选、技术评估、综合研判一体化的严谨完备的技术预见流程,在定量化程度、智能化水平和科学化深度上均有提升,在技术预见领域体现了大数据和人工智能深度结合、人机高效协同的优势。
基于上述实施例的一个示例中,技术预见流程如图7所示,包括技术发现、技术遴选、技术评估和综合研判4个阶段。
技术发现阶段,采用态势信息分析、专家提名推荐、多源数据扫描监测等多种途径,尽可能全面覆盖可能的技术领域、技术方向和技术点。其中,态势信息分析环节由机器从科技态势库、多元知识库中提取科技领域规划计划、项目安排、智库报告、媒体评论、动态跟捕等多角度知识,再辅以校核,形成第一候选技术清单;专家提名推荐环节从专家信息库中选取不同层次的领域专家、策略专家,根据其自身学术认知和研究视界,从技术方向、所属领域和推荐理由角度,提出当前及未来有较大应用潜力的典型技术,具有针对性较强、置信度较高等特点,通过汇集专家提出的典型技术和相关预测性意见,凝练形成第二候选技术清单;多源数据扫描监测环节依托科技态势库和方法模型库,重点针对科技论文、专利等异构数据,进行预处理、特征抽取、关键词提取,定量化识别典型技术,形成第三候选技术清单。将以上三份候选技术清单融合,作为技术发现阶段的综合候选技术清单。
在技术遴选阶段,旨在对技术发现阶段输出的综合候选技术清单进行“去伪存真、优中选优”,具体从方法模型库中组合选用测度模型对该清单进行评分排序。采用多种模型联用的方法,可有效降低单一方法较易引起的主观偏差。本实施例中,利用层次分析模型对预先构建的技术遴选指标体系赋权,得到赋权指标体系信息,用于后续模型的测度计算。运用专家调查模型对综合候选技术清单开展两轮专家调查,将专家评测结果收敛固化,在第二轮专家打分基础上计算得出每项技术的重要性排序。为突出“关键少数”、优选重要技术,采取“末段淘汰”原则,根据实际需要剔除排名最后几位或后面一定比例的技术,精简形成第一排序清单。分别运用相关矩阵模型和逼近理想解排序模型,以第一排序清单和赋权指标体系信息为对象,构建“技术—指标”矩阵,计算得到第二排序清单和第三排序清单。以上三份排序清单,分别从不同方式、不同算法角度对综合候选技术清单进行了测度,同一技术在不同模型中的排序可能不一致。最后,根据研究实际需要,确定每份排序清单选取的比例,如保留前70%的技术,运用集合原理,对三份选取后的排序清单取交集处理,完成一致性评估,根据交集中的技术形成目标技术清单。
在技术评估阶段,针对目标技术清单,综合运用技术画像和专家研判两种方式,进行多角度、全方位评估。技术画像环节是研究和描绘技术全貌的基础环节,利用多维技术画像模块中面向科技论文、专利、项目、智库报告、科技动态等异构数据源的多维度可视化分析组件,并结合多元知识库、科技态势库进行主题内容检索、融合和提取,综合得到技术的概念原理内涵、当前发展状态(如技术进展、技术水平、技术途径)、未来技术布局(如研究背景、目标重点、技术路线、应用影响)、科研条件保障(如策略、经费、机构、人员、设施)等多要素内容,再从专家信息库中选取相关领域的技术专家和管理专家,对这些内容进行修订完善,得到技术画像。专家研判环节是技术评估的拔高环节,体现技术综合分析的深度和高度。该环节综合运用方法模型库的技术评估模型和专家信息库的目标专家的专家画像信息,对技术成熟度、发展拐点预测等进行可视化的定量分析,对面临技术难题、自主可控情况、运用前景、技术路线对比、竞争判断、未来发展建议等进行定性分析,得到专家研判信息。上述专家研判信息和技术画像进行融合后,生成技术评估信息。
在综合研判阶段,以技术评估信息为知识输入,利用研讨环境为从专家网络库中遴选的高层次技术专家、管理专家等多类型专家创建集智研讨平台,研讨过程中可以调用多元知识库确定与所述技术评估信息相关的目标知识信息,还可以调用方法模型库相关模型工具,为专家提供数据知识和方法模型支撑,确保专家对技术进行更加深入的研判,得到富有力度的研究结论,实现为技术预见研究提质增效。本实施例中,采用情景分析、头脑风暴等技术预见方法,引导专家充分发挥技术认知与情景想象,围绕深入挖掘技术的潜在应用需求、预测预见技术未来发展趋势和水平、反思现有对抗概念理论及样式和构想未来新对抗概念等重大问题形成共识,结合方法模型库相关模型工具,从技术需求对接、技术风险预警、对抗概念酝提等方面得出技术预见结果。例如,在技术风险预警方面,可形成以下三种技术预见结果,对于具有重大风险的技术的研判结论,则提出防护或反制应对措施,发展削弱性或对抗性技术等;对于具有重大应用潜力的技术的研判结论,则提示抓住机会和超前部署;对于识别出的技术迷雾的研判结论,则提示不要盲从,可考虑布放新的技术迷雾予以反制。该环节形成的技术预见结果与技术评估信息合并后,即可输出最终技术预见报告。
下面对本发明提供的基于大数据和人工智能融合驱动的技术预见系统,进行描述,下文描述的基于大数据和人工智能融合驱动的技术预见系统与上文描述的基于大数据和人工智能融合驱动的技术预见方法可相互对应参照。
本发明提供一种基于大数据和人工智能融合驱动的技术预见系统,如图8所示,包括:
技术发现模块81,用于基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;
技术遴选模块82,用于基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;
技术评估模块83,用于获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;
综合研判模块84,用于基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
进一步的,所述系统包括科技态势库、多元知识库、专家信息库和方法模型库;
所述技术发现模块81,具体用于:
基于所述需求任务确定态势信息分析对象、专家提名推荐对象和多源数据扫描监测对象;
对于所述态势信息分析对象,从预设的科技态势库和预设的多元知识库中提取预设维度的知识,生成第一候选技术清单;
对于所述专家提名推荐对象,从预设的专家信息库中调取目标专家对应预存的技术信息和预测意见,生成第二候选技术清单;
对于所述多源数据扫描监测对象,从预设的方法模型库中确定技术发现模型,根据所述技术发现模型对所述科技态势库中的数据进行技术信息识别,生成第三候选技术清单;
基于所述第一候选技术清单、所述第二候选技术清单和所述第三候选技术清单进行融合,确定所述综合技术清单;
其中,所述科技态势库包括科技领域的多个方面的态势信息,所述多元知识库包括多类知识和多个知识维度的信息,所述专家信息库包括科技领域的专家画像信息,所述方法模型库包括多种模型。
进一步的,所述技术遴选模块82,具体用于:
在所述方法模型库中确定层次分析模型、专家调查模型、相关矩阵模型和逼近理想解排序模型;
基于所述层次分析模型对预先构建的技术遴选指标体系赋予权值,得到赋权指标体系信息;
将所述综合候选技术清单输入专家调查模型进行评分,基于所述评分对所述综合候选技术清单中的候选技术进行排序和筛选,生成第一排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述相关矩阵模型,生成第二排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述逼近理想解排序模型,生成第三排序清单;
对于所述第一排序清单、所述第二排序清单和所述第三排序清单,各自选取排序靠前预设数量的初筛候选技术;
对所有初筛候选技术执行取交集处理,确定所述目标技术清单。
进一步的,所述系统还包括多维技术画像模块;
所述技术评估模块83,具体用于:
将所述目标技术清单和所述专家信息库中的目标专家的专家画像信息输入所述方法模型库中的技术评估模型,生成所述专家研判信息;
将所述目标技术清单输入预设的多维技术画像模块,调用所述多元知识库和所述科技态势库,从中匹配与所述目标技术清单具有预设相似度的可视化的主题内容;
通过所述多维技术画像模块将所述可视化的主题内容融合,生成所述目标技术清单对应的可视化的技术画像;
对所述专家研判信息和所述技术画像进行融合,生成技术评估信息。
进一步的,所述系统还包括研讨环境;
所述综合研判模块84,具体用于:
通过预设的研讨环境访问所述多元知识库,确定与所述技术评估信息相关的目标知识信息;
通过所述研讨环境获取所述目标专家的专家预测信息,其中所述专家预测信息为所述目标专家基于所述目标知识信息和所述技术评估信息得到;
通过所述研讨环境,调用所述方法模型库中的综合研判模型,将所述专家预测信息和所述技术评估信息输入所述综合研判模型,生成技术预见结果;
将所述技术预见结果和所述技术评估信息合并,生成所述技术预见报告。
本发明实施例中,基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,获取目标技术清单;确定所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。实现技术发现、技术遴选、技术评估、综合研判一体化的严谨完备的技术预见流程,在定量化程度、智能化水平和科学化深度上均有提升,在技术预见领域体现了大数据和人工智能深度结合、人机高效协同的优势。
图9示例了一种电子设备的实体结构示意图,该电子设备可以包括:处理器(Processor)910、通信接口(Communications Interface)920、存储器(Memory)930和通信总线940,其中,处理器910、通信接口920、存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行基于大数据和人工智能融合驱动的技术预见方法,该方法包括:基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
此外,上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的以执行基于大数据和人工智能融合驱动的技术预见方法,该方法包括:基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的以执行基于大数据和人工智能融合驱动的技术预见方法,该方法包括:基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于大数据和人工智能融合驱动的技术预见方法,其特征在于,包括:
基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;
基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;
获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;
基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
2.根据权利要求1所述的基于大数据和人工智能融合驱动的技术预见方法,其特征在于,所述基于需求任务对应的研究领域对象,采集候选技术信息,建立所述需求任务对应的综合候选技术清单,包括:
基于所述需求任务确定态势信息分析对象、专家提名推荐对象和多源数据扫描监测对象;
对于所述态势信息分析对象,从预设的科技态势库和预设的多元知识库中提取预设维度的知识,生成第一候选技术清单;
对于所述专家提名推荐对象,从预设的专家信息库中调取目标专家对应预存的技术信息和预测意见,生成第二候选技术清单;
对于所述多源数据扫描监测对象,从预设的方法模型库中确定技术发现模型,根据所述技术发现模型对所述科技态势库中的数据进行技术信息识别,生成第三候选技术清单;
基于所述第一候选技术清单、所述第二候选技术清单和所述第三候选技术清单进行融合,确定所述综合技术清单;
其中,所述科技态势库包括科技领域的态势信息,所述多元知识库包括多类知识和多个知识维度的信息,所述专家信息库包括科技领域的专家画像信息,所述方法模型库包括多种模型。
3.根据权利要求2所述的基于大数据和人工智能融合驱动的技术预见方法,其特征在于,所述基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单,包括:
在所述方法模型库中确定层次分析模型、专家调查模型、相关矩阵模型和逼近理想解排序模型;
基于所述层次分析模型对预先构建的技术遴选指标体系赋予权值,得到赋权指标体系信息;
将所述综合候选技术清单输入专家调查模型进行评分,基于所述评分对所述综合候选技术清单中的候选技术进行排序和筛选,生成第一排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述相关矩阵模型,生成第二排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述逼近理想解排序模型,生成第三排序清单;
对于所述第一排序清单、所述第二排序清单和所述第三排序清单,各自选取排序靠前预设数量的初筛候选技术;
对所有初筛候选技术执行取交集处理,确定所述目标技术清单。
4.根据权利要求3所述的基于大数据和人工智能融合驱动的技术预见方法,其特征在于,所述获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息,包括:
将所述目标技术清单和所述专家信息库中的目标专家的专家画像信息输入所述方法模型库中的技术评估模型,生成所述专家研判信息;
将所述目标技术清单输入预设的多维技术画像模块,调用所述多元知识库和所述科技态势库,从中匹配与所述目标技术清单具有预设相似度的可视化的主题内容;
通过所述多维技术画像模块将所述可视化的主题内容融合,生成所述目标技术清单对应的可视化的技术画像;
对所述专家研判信息和所述技术画像进行融合,生成技术评估信息。
5.根据权利要求4所述的基于大数据和人工智能融合驱动的技术预见方法,其特征在于,所述基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告,包括:
通过预设的研讨环境访问所述多元知识库,确定与所述技术评估信息相关的目标知识信息;
通过所述研讨环境获取所述目标专家的专家预测信息,其中所述专家预测信息为所述目标专家基于所述目标知识信息和所述技术评估信息得到;
通过所述研讨环境,调用所述方法模型库中的综合研判模型,将所述专家预测信息和所述技术评估信息输入所述综合研判模型,生成技术预见结果;
将所述技术预见结果和所述技术评估信息合并,生成所述技术预见报告。
6.一种基于大数据和人工智能融合驱动的技术预见系统,其特征在于,包括:
技术发现模块,用于基于需求任务对应的研究领域对象采集候选技术信息,建立所述需求任务对应的综合候选技术清单;
技术遴选模块,用于基于预设的遴选指标体系和对应的测度方法,对所述综合候选技术清单进行优化,确定目标技术清单;
技术评估模块,用于获取所述目标技术清单对应的专家研判信息和技术画像,融合生成所述目标技术清单的技术评估信息;其中,所述专家研判信息为专家对所述目标技术清单进行评估的信息,所述技术画像为所述目标技术清单对应的可视化的主题内容;
综合研判模块,用于基于所述技术评估信息进行情景模拟,根据模拟结果确定技术预见结果,生成技术预见报告。
7.根据权利要求6所述的基于大数据和人工智能融合驱动的技术预见系统,其特征在于,所述系统包括科技态势库、多元知识库、专家信息库和方法模型库;
所述技术发现模块,具体用于:
基于所述需求任务确定态势信息分析对象、专家提名推荐对象和多源数据扫描监测对象;
对于所述态势信息分析对象,从预设的科技态势库和预设的多元知识库中提取预设维度的知识,生成第一候选技术清单;
对于所述专家提名推荐对象,从预设的专家信息库中调取目标专家对应预存的技术信息和预测意见,生成第二候选技术清单;
对于所述多源数据扫描监测对象,从预设的方法模型库中确定技术发现模型,根据所述技术发现模型对所述科技态势库中的数据进行技术信息识别,生成第三候选技术清单;
基于所述第一候选技术清单、所述第二候选技术清单和所述第三候选技术清单进行融合,确定所述综合技术清单;
其中,所述科技态势库包括科技领域的态势信息,所述多元知识库包括多类知识和多个知识维度的信息,所述专家信息库包括科技领域的专家画像信息,所述方法模型库包括多种模型。
8.根据权利要求7所述的基于大数据和人工智能融合驱动的技术预见系统,其特征在于,所述技术遴选模块,具体用于:
在所述方法模型库中确定层次分析模型、专家调查模型、相关矩阵模型和逼近理想解排序模型;
基于所述层次分析模型对预先构建的技术遴选指标体系赋予权值,得到赋权指标体系信息;
将所述综合候选技术清单输入专家调查模型进行评分,基于所述评分对所述综合候选技术清单中的候选技术进行排序和筛选,生成第一排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述相关矩阵模型,生成第二排序清单;
将所述赋权指标体系信息和所述第一排序清单输入所述逼近理想解排序模型,生成第三排序清单;
对于所述第一排序清单、所述第二排序清单和所述第三排序清单,各自选取排序靠前预设数量的初筛候选技术;
对所有初筛候选技术执行取交集处理,确定所述目标技术清单。
9.根据权利要求8所述的基于大数据和人工智能融合驱动的技术预见系统,其特征在于,所述系统还包括多维技术画像模块;
所述技术评估模块,具体用于:
将所述目标技术清单和所述专家信息库中的目标专家的专家画像信息输入所述方法模型库中的技术评估模型,生成所述专家研判信息;
将所述目标技术清单输入预设的多维技术画像模块,调用所述多元知识库和所述科技态势库,从中匹配与所述目标技术清单具有预设相似度的可视化的主题内容;
通过所述多维技术画像模块将所述可视化的主题内容融合,生成所述目标技术清单对应的可视化的技术画像;
对所述专家研判信息和所述技术画像进行融合,生成技术评估信息。
10.根据权利要求9所述的基于大数据和人工智能融合驱动的技术预见系统,其特征在于,所述系统还包括研讨环境;
所述综合研判模块,具体用于:
通过预设的研讨环境访问所述多元知识库,确定与所述技术评估信息相关的目标知识信息;
通过所述研讨环境获取所述目标专家的专家预测信息,其中所述专家预测信息为所述目标专家基于所述目标知识信息和所述技术评估信息得到;
通过所述研讨环境,调用所述方法模型库中的综合研判模型,将所述专家预测信息和所述技术评估信息输入所述综合研判模型,生成技术预见结果;
将所述技术预见结果和所述技术评估信息合并,生成所述技术预见报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310651068.5A CN116757314B (zh) | 2023-06-02 | 2023-06-02 | 基于大数据和人工智能融合驱动的技术预见方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310651068.5A CN116757314B (zh) | 2023-06-02 | 2023-06-02 | 基于大数据和人工智能融合驱动的技术预见方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116757314A true CN116757314A (zh) | 2023-09-15 |
CN116757314B CN116757314B (zh) | 2024-03-19 |
Family
ID=87950649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310651068.5A Active CN116757314B (zh) | 2023-06-02 | 2023-06-02 | 基于大数据和人工智能融合驱动的技术预见方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116757314B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040024723A1 (en) * | 2002-08-01 | 2004-02-05 | Chio-Shya Chen | Computer network-managing knowledge system permitting of a simultaneous, parallel and independent assessment approach and device for several people |
KR20100074372A (ko) * | 2008-12-24 | 2010-07-02 | 한국과학기술정보연구원 | 연구개발 모니터링 경보 시스템 및 방법 |
CN105930942A (zh) * | 2016-06-03 | 2016-09-07 | 北京理工大学 | 一种大数据背景下的能源技术预见智能系统 |
CN111160691A (zh) * | 2019-11-19 | 2020-05-15 | 国网河北省电力有限公司邯郸供电分公司 | 基于未来技术需求研判的科技发展战略制定方法和系统 |
CN111737495A (zh) * | 2020-06-28 | 2020-10-02 | 福州数据技术研究院有限公司 | 基于领域自分类的中高端人才智能推荐系统及其方法 |
CN111861010A (zh) * | 2020-07-23 | 2020-10-30 | 中国人民解放军军事科学院军事科学信息研究中心 | 一种人机协同的领域关键技术预测方法及预测系统 |
CN115470339A (zh) * | 2022-07-28 | 2022-12-13 | 北京万方软件有限公司 | 基于科技大数据知识图谱的技术诊断专家智能匹配算法 |
CN115544114A (zh) * | 2022-09-21 | 2022-12-30 | 北京智谱华章科技有限公司 | 基于大数据的多维度技术评估方法和系统 |
WO2023019986A1 (zh) * | 2021-08-19 | 2023-02-23 | 北京邮电大学 | 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置 |
WO2023029462A1 (zh) * | 2021-08-31 | 2023-03-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 热点事件状态评估方法 |
-
2023
- 2023-06-02 CN CN202310651068.5A patent/CN116757314B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040024723A1 (en) * | 2002-08-01 | 2004-02-05 | Chio-Shya Chen | Computer network-managing knowledge system permitting of a simultaneous, parallel and independent assessment approach and device for several people |
KR20100074372A (ko) * | 2008-12-24 | 2010-07-02 | 한국과학기술정보연구원 | 연구개발 모니터링 경보 시스템 및 방법 |
CN105930942A (zh) * | 2016-06-03 | 2016-09-07 | 北京理工大学 | 一种大数据背景下的能源技术预见智能系统 |
CN111160691A (zh) * | 2019-11-19 | 2020-05-15 | 国网河北省电力有限公司邯郸供电分公司 | 基于未来技术需求研判的科技发展战略制定方法和系统 |
CN111737495A (zh) * | 2020-06-28 | 2020-10-02 | 福州数据技术研究院有限公司 | 基于领域自分类的中高端人才智能推荐系统及其方法 |
CN111861010A (zh) * | 2020-07-23 | 2020-10-30 | 中国人民解放军军事科学院军事科学信息研究中心 | 一种人机协同的领域关键技术预测方法及预测系统 |
WO2023019986A1 (zh) * | 2021-08-19 | 2023-02-23 | 北京邮电大学 | 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置 |
WO2023029462A1 (zh) * | 2021-08-31 | 2023-03-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 热点事件状态评估方法 |
CN115470339A (zh) * | 2022-07-28 | 2022-12-13 | 北京万方软件有限公司 | 基于科技大数据知识图谱的技术诊断专家智能匹配算法 |
CN115544114A (zh) * | 2022-09-21 | 2022-12-30 | 北京智谱华章科技有限公司 | 基于大数据的多维度技术评估方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116757314B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qamar et al. | Human resource analytics: a review and bibliometric analysis | |
Rabhi et al. | Big data approach and its applications in various fields | |
Cautela et al. | The impact of artificial intelligence on design thinking practice: Insights from the ecosystem of startups | |
US20230401513A1 (en) | Data driven systems and methods for optimization of a target business | |
WO2012048408A1 (en) | Method of visualizing the collective opinion of a group | |
CN115470339A (zh) | 基于科技大数据知识图谱的技术诊断专家智能匹配算法 | |
CN116756340A (zh) | 一种试题自动生成方法、系统及设备 | |
CN110442787A (zh) | 一种基于大数据分析采集的信息咨询服务平台 | |
US20220027733A1 (en) | Systems and methods using artificial intelligence to analyze natural language sources based on personally-developed intelligent agent models | |
CN116757314B (zh) | 基于大数据和人工智能融合驱动的技术预见方法和系统 | |
CN117271905A (zh) | 基于人群画像的侧向需求分析方法及系统 | |
Banday et al. | Big Data in Academia: A Proposed Framework for Improving Students Performance. | |
RU2624546C1 (ru) | Способ автоматической оценки квалификации и компетенции сотрудников | |
D'Urso et al. | Multi-criteria decision-making methods and their applications for human resources | |
Biffl et al. | Systematic knowledge engineering: Building bodies of knowledge from published research | |
Silva et al. | IT project investments: an analysis based on a sort and rank problem | |
Biffl et al. | Building Empirical Software Engineering Bodies of Knowledge with Systematic Knowledge Engineering. | |
CN111861010B (zh) | 一种人机协同的领域关键技术预测方法及预测系统 | |
Horvat et al. | Identifying Indicators for the Use of Virtual Prototypes in Distributed Design Activities | |
Chou et al. | Using hierarchical network data envelopment analysis to explore the performance of national research and development organizations | |
Gheorghe et al. | AN AUTOMATED RECRUITING MODEL FOR AN OPTIMAL TEAM OF SOFTWARE ENGINEERS FROM GLOBAL FREELANCING PLATFORMS. | |
Paguio et al. | Knowledge Management System Approach for Student’s Appeal Domain: A Study | |
Simão Filho et al. | Task assignment to distributed teams based on a qualitative multi-criteria approach | |
Rigopoulos | A group decision support system for collaborative decisions within business intelligence context | |
Meng et al. | A GQM-based Approach for Software Process Patterns Recommendation. |
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 |