CN116796199B - 一种基于人工智能的项目匹配分析系统及方法 - Google Patents
一种基于人工智能的项目匹配分析系统及方法 Download PDFInfo
- Publication number
- CN116796199B CN116796199B CN202310752254.8A CN202310752254A CN116796199B CN 116796199 B CN116796199 B CN 116796199B CN 202310752254 A CN202310752254 A CN 202310752254A CN 116796199 B CN116796199 B CN 116796199B
- Authority
- CN
- China
- Prior art keywords
- item
- information
- project
- matching
- data
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 38
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 4
- 238000012550 audit Methods 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种基于人工智能的项目匹配分析系统,包括:预处理模块,用于对输入数据进行特征增强,生成查询信息;特征提取模块,用于输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征;融合模块,用于通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征;匹配模块,用于根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。本申请通过多层融合,获得更吩咐的提取特征,避免神经网络对特征的过拟合,提高项目匹配准确率。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种基于人工智能的项目匹配分析系统。还涉及一种基于人工智能的项目匹配分析方法。
背景技术
项目是指在经济社会中的产品、服务或成果。
开展项目是为了通过可交付成果达成目标。随着社会中各种各样行业的出现和经济能力的提高,需要各种各样项目或者成果的支持,以完成多种多样的社会活动。尤其是当前情况下,社会中的创业热情高涨,而企业由小到大的发展过程中,必定需要参与到大大小小的各种项目中,例如政府扶持的项目或参与各类项目评选,以帮助企业渡过风险或增加知名度,收获资金支持和大众认可。
但是,企业在参与各类项目的过程中,需要具有相关知识的专门人才进行相关的项目的动态把握,资格审核。这种方式下,参与项目的效率较低。并且在参与过程中,容易遗漏重要信息。因此,需要一种智能的项目匹配方法。
发明内容
本申请的目的在于克服现有技术中参与项目的效率较低,并且在参与过程中,容易遗漏重要信息的问题,提供一种基于人工智能的项目匹配分析系统。还涉及一种基于人工智能的项目匹配分析方法。
本申请提供一种基于人工智能的项目匹配分析系统,包括:
预处理模块,用于对输入数据进行特征增强,生成查询信息;
特征提取模块,用于输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征;
融合模块,用于通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征;
匹配模块,用于根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。
可选地,所述匹配模块根据确定的项目信息进行项目匹配,包括:
从项目数据库中获取候选项目列表;
初步筛选,输入确定的项目信息,根据所述确定的项目信息与所述项目列表的对比,以类别相似度筛选并拉出所述项目列表中的项目候选集合;
参数筛选,针对所述项目候选集合中的项目数据进行参数提取,根据所述项目数据与确定的项目信息两者之间参数关系计算结果进行排序;
根据所述排序选择最优项目数据。
可选地,所述项目数据库包括:
基于项目数据进行标注后生成的项目数据库。
可选地,所述项目匹配信息,包括:一个项目或者多个项目的不同组成。
可选地,所述三卷积层的预审卷积神经网络,包括:
设置在云服务器中,通过私有网络连接用户端。
可选地,所述根据确定的项目信息进行项目匹配,包括:
基于关键词和关键词逻辑对输入数据进行过滤,表达式如下:
其中,所述k是所述预设的关键词与预设的关键词逻辑组合的个数,所述L是提取出的关键词与关键词逻辑组,所述M是预设的每个关键词与关键词组合,所述g是预设常数。
本申请还提供一种基于人工智能的项目匹配分析方法,包括:
对输入数据进行特征增强,生成查询信息;
输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征;
通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征;
根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。
可选地,所述根据确定的项目信息进行项目匹配,包括:
从项目数据库中获取候选项目列表;
初步筛选,输入确定的项目信息,根据所述确定的项目信息与所述项目列表的对比,以类别相似度筛选并拉出所述项目列表中的项目候选集合;
参数筛选,针对所述项目候选集合中的项目数据进行参数提取,根据所述项目数据与确定的项目信息两者之间参数关系计算结果进行排序;
根据所述排序选择最优项目数据。
可选地,所述项目数据库包括:
基于项目数据进行标注后生成的项目数据库。
可选地,所述项目匹配信息,包括:一个项目或者多个项目的不同组成。
本申请的优点和有益效果:
发明点1,将多层特征进行融合,获取信息全面的特征信息。
发明点2,通过多层筛选和排序进行项目匹配。
发明点3,根据所述项目数据与确定的项目信息两者之间参数关系计算结果排序。
本申请提供的一种基于人工智能的项目匹配分析系统,包括:预处理模块,用于对输入数据进行特征增强,生成查询信息;特征提取模块,用于输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征;融合模块,用于通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征;匹配模块,用于根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。本申请通过多层融合,获得更吩咐的提取特征,避免神经网络对特征的过拟合,提高项目匹配准确率。
附图说明
图1是本申请中基于人工智能的项目匹配分析系统示意图。
图2是本申请中项目匹配流程示意图。
图3是本申请中系统模型示意图。
图4是本申请中基于人工智能的项目匹配分析流程示意图。
具体实施方式
下面结合附图和具体实施例对本申请作进一步说明,以使本领域的技术人员可以更好地理解本申请并能予以实施。
以下内容均是为了详细说明本申请要保护的技术方案所提供的具体实施过程的示例,但是本申请还可以采用不同于此的描述的其他方式实施,本领域技术人员可以在本申请构思的指引下,采用不同的技术手段实现本申请,因此本申请不受下面具体实施例的限制。
本申请提供的一种基于人工智能的项目匹配分析系统,包括:预处理模块,用于对输入数据进行特征增强,生成查询信息;特征提取模块,用于输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征;融合模块,用于通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征;匹配模块,用于根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。本申请通过多层融合,获得更吩咐的提取特征,避免神经网络对特征的过拟合,提高项目匹配准确率。
图1是本申请中基于人工智能的项目匹配分析系统示意图。
请参照图1所示,预处理模块101,用于对输入数据进行特征增强,生成查询信息。
所述预处理模块用于数据特征的增强,以提高特征提取的效率。一般而言,一个项目需要的信息是很多的,将全部信息进行收集,筛选和甄别显然是费时费力的,因此需要对数据进行特征增强,既将相关数据与项目的相关性增强,实现数据特征的增强。
具体的,可以设置语义增强和概率增强两种方式,选择其一或者结合两种方式进行所述的数据特征增强。
语义增强:基于关键词、关键词逻辑进行数据过滤,生成标准的格式数据。例如,设置关键词选项,关键词逻辑选项,将所述关键词选项通过所述关键词逻辑进行连接。其中,所述关键词可以是预设的,也可以是后续编写的。对于所述关键词来说,一个关键词为一个节点,每个节点设置多个相同、相似或者相关的关键词词汇。所述关键词逻辑可以是词汇之间的位置关系,或者词汇前后顺序。
基于上述关键词和关键词逻辑对输入数据进行过滤。
例如,设置关键词A、B、C、D、E;设置关键词逻辑a、b、c。每个关键词为一个节点,则(A a B)、(A a C)、(B c D)、(C c D)、(D b E)表述关键词与关键词逻辑的关系。
输入一个项目的数据,提取相关的关键词,基于所述关键词与关键词逻辑进行筛选,包括:
将设置的关键词与关键词逻辑组合个数和设为K,则计算如下:
其中,所述k是所述预设的关键词与预设的关键词逻辑组合的个数,所述L是提取出的关键词与关键词逻辑组,所述M是预设的每个关键词与关键词组合,所述g是预设常数。
具体的,所述的含义如下:
例如(A a B)、(A a C)、(B c D)、(C c D)、(D b E),其中设A、B、C、D、E的赋值为1、2、3、4、5;设a、b、c的赋值分别是10、20、30,则:;,以此类推。
然后根据p与K的关系,确定是否匹配成功,即当所述或者时,属于匹配成功。其中,所述或的含义是,可以根据实际匹配需求进行选择。
概率增强:在输入数据中提取关键词,将所述关键词进行统计,并计算各个词汇出现的概率。然后基于所述概率,与词汇的词性生成格式化增强的数据特征语句。例如:首先确定出现概率最多的词汇,然后将该词汇后出现最多的词汇进行统计,依次类推。然后依据词性对多个所述词汇进行编辑,生成该词汇概率排序前提下的语句。
本领域技术人员还可以在本技术方案的基础上增加其他已知类型的数据增强方法,或者采用已知的深度神经网络进行所述数据增强,都在本技术方案包含的范围内。
基于上述的数据特征增强,可以生成预设格式的查询语句,将该查询语句作为本申请中所述的查询信息。
图3是本申请中系统模型示意图。
请参照图3所示,本申请中所述基于人工智能的项目匹配分析系统,其构建为连接的云服务器201和用户端202,所述用户端202和云服务器之间通过私有专用网络连接,当用户需要进行项目匹配时,通过所述用户端输入数据,传输到所述云服务器201中,该云服务201内设置有虚拟机,启动并运行,用计算机程序执行上述数据特征增强的操作。
进一步,进行数据特征提取。
参照图1所示,特征提取模块102,用于输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征。
采用三层卷积的卷积神经网络对词汇和词汇之间的关联进行三次卷积计算后,分别提低第一层特征,既低维特征;第二层特征,既中维特征;第三层特征既高维特征。
在本申请中,所述卷积神经网络前设置有逻辑网格,所述词汇经过特征增强后进入所述逻辑网格生成格式化的词汇逻辑关系,然后在进行卷积。
所述逻辑关系指的是词汇与词汇之间的关系,可以是人工设置的。例如,每个词汇为一个节点,逻辑关系是了两个节点之间的位置关系,并列关系等。
请参照图1所示,融合模块103,用于通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征。
在测试当中,当采用所述高纬度的特征进行匹配时,由于过拟合的情况时长发生,因此匹配结果并不优秀。
为此,本申请在所述高维度特征的前提下结合低纬度特征和中维度特征。具体方式是,将所述高纬度特征设置为主要特征,再此基础上,对与所述高纬度特征有关联的低纬度特征融合到所述高纬度特征中。
请参照图1所示,匹配模块104,用于根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。
上述提取出的融合特征,用于对项目信息进行确定,基于这些融合特征的匹配是完全匹配的,既进行所述项目信息确定时,必须包括全部的所述融合特征,前提是,申请所述项目信息的确定是基于需要找到最合适的信息,而非最全面的信息。
例如,所述融合特征为关键词,根据所述关键词检索,获得项目信息。
图2是本申请中项目匹配流程示意图。
请参照图2所示,具体的,所述匹配模块根据确定的项目信息进行项目匹配,包括:
S301从项目数据库中获取候选项目列表;
所述数据库可以包括海量的数据信息,存储与云服务的分布式数据库中,根据项目数据生成项目列表。
S302初步筛选,输入上述步骤确定的项目信息,根据所述确定的项目信息与所述项目列表的对比,以类别相似度筛选并拉出所述项目列表中的项目候选集合。
基于所述项目信息,在项目数据库中进行匹配,本申请采用相似度来进行,该匹配方式可以用如下表达式表示:
其中,所述p用来评价相似度,所述A、B和C属于常数系数,所述i表示词汇顺序,所述n表示预设的词汇数量,所述g表示项目信息中词汇顺序中的词汇,所述u表示项目信息文字数,所述l表示数据库中,每个项目数据中的于所述g顺序相同的词汇,y表示该项目中的字数,所述x表示相似词汇的总数,所述f表示相同关系的总数。其中,所述词汇顺序是指统计词汇数量排序后的顺序。
然后根据所述相似度,以及预先设置的相似度阈值进行选择,确定项目候选集合。
S303参数筛选,针对所述项目候选集合中的项目数据进行参数提取,根据所述项目数据与确定的项目信息两者之间参数关系计算结果进行排序。
确定项目后候选集合后,基于所述项目数据,可以根据所述项目数据的类型进行分类,然后进行参数关系计算,具体表达式如下:
其中,所述S,H分别属于项目信息和所述项目数据中的对应参数,例如时间,金额,长高宽等。所述Q应当限制在一个预设的范围内。具体的,所述Q表示多个参数中的一个,当所有所述Q都处于预设范围内,则进行排序,该排序中首先确定Q的权重,基于所述权重进行对比,包括:
将所述参数进行权重高低的排序,依次从权重高的开始,将所Q越小,排序越前;进一步,当所述权重高的Q相同时,低权重的Q进行排序。
S304根据所述排序选择最优项目数据。针对所述融合特征分别进行项目信息获取,并组合成需要的信息。
上述排序,对于不同特征,可以生成多个不同的排序,其对于的项目数据可能不在一个项目候选项中。此时基于所述特征将各个对应的排序中项目数据进行提取,组合形成最终的需要的信息。
基于一个项目,针对不同部分项目数据进行提取,可以采用如下方式:
一、发布检索,当一个项目需要进行自动匹配时,首先向各个排序发布特征,这些特征是经过提取的关于项目,或者所述项目一部分的需求特征数据,然后各自与各个排序进行匹配,
项目经理可以通过审查这些提案来决定哪个供应商或承包商最适合该项目。
邀请竞争:邀请竞争是一种更加精准的项目匹配方法。在这种情况下,项目经理会直接邀请少数具有特定技能和经验的供应商或承包商来参加项目。这种方法通常用于复杂的项目,需要高度专业化的技能和知识。
网络搜索:项目经理可以使用网络搜索工具来查找符合特定要求的供应商或承包商。这种方法对于规模较小的项目或紧急项目可能更加适用。通过网络搜索,可以快速地查找到不同地区和行业的供应商或承包商的信息。
参考推荐:参考推荐是另一种常见的项目匹配方法。在这种情况下,项目经理向他们的同事、业内人士或其他渠道寻求推荐供应商或承包商。这种方法通常用于在特定领域内寻找有声誉和经验的供应商或承包商。
请参照图4所示,本申请还提供一种基于人工智能的项目匹配分析方法,包括:
S401对输入数据进行特征增强,生成查询信息。
所述预处理模块用于数据特征的增强,以提高特征提取的效率。一般而言,一个项目需要的信息是很多的,将全部信息进行收集,筛选和甄别显然是费时费力的,因此需要对数据进行特征增强,既将相关数据与项目的相关性增强,实现数据特征的增强。
具体的,可以设置语义增强和概率增强两种方式,选择其一或者结合两种方式进行所述的数据特征增强。
语义增强:基于关键词、关键词逻辑进行数据过滤,生成标准的格式数据。例如,设置关键词选项,关键词逻辑选项,将所述关键词选项通过所述关键词逻辑进行连接。其中,所述关键词可以是预设的,也可以是后续编写的。所述关键词,一个关键词为一个节点,每个节点设置多个相同、相似或者相关的关键词词汇。所述关键词逻辑可以是词汇之间的位置关系,或者词汇前后顺序。
基于上述关键词和关键词逻辑对输入数据进行过滤。
概率增强:在输入数据中提取关键词,将所述关键词进行统计,并计算各个词汇出现的概率。然后基于所述概率,与词汇的词性生成格式化增强的数据特征语句。例如:首先确定出现概率最多的词汇,然后将该词汇后出现最多的词汇进行统计,依次类推。然后依据词性对多个所述词汇进行编辑,生成该词汇概率排序前提下的语句。
通过测试发现,所述语义增强与概率增强并不适合所有类型的数据特征增强,因此本领域技术人员还可以在本技术方案的基础上增加其他已知类型的数据增强方法,或者采用已知的深度神经网络进行所述数据增强,都在本技术方案包含的范围内。
基于上述的数据特征增强,可以生成预设格式的查询语句,将该查询语句作为本申请中所述的查询信息。
图3是本申请中系统模型示意图。
请参照图3所示,本申请中所述基于人工智能的项目匹配分析系统,其构建为连接的云服务器201和用户端202,所述用户端202和云服务器之间通过私有专用网络连接,当用户需要进行项目匹配时,通过所述用户端输入数据,传输到所述云服务器201中,该云服务201内设置有虚拟机,启动并运行,用计算机程序执行上述数据特征增强的操作。
S402输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征。
采用三层卷积的卷积神经网络对词汇和词汇之间的关联进行三次卷积计算后,分别提低第一层特征,既低维特征;第二层特征,既中维特征;第三层特征既高维特征。
在本申请中,所述卷积神经网络前设置有逻辑网格,所述词汇经过特征增强后进入所述逻辑网格生成格式化的词汇逻辑关系,然后在进行卷积。
所述逻辑关系指的是词汇与词汇之间的关系,可以是人工设置的。例如,每个词汇为一个节点,逻辑关系是了两个节点之间的位置关系,并列关系等。
S403通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征。
在测试当中,当采用所述高纬度的特征进行匹配时,由于过拟合的情况时长发生,因此匹配结果并不优秀。
为此,本申请在所述高维度特征的前提下结合低纬度特征和中维度特征。具体方式是,将所述高纬度特征设置为主要特征,再此基础上,对与所述高纬度特征有关联的低纬度特征融合到所述高纬度特征中。
S404根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。
上述提取出的融合特征,用于对项目信息进行确定,基于这些融合特征的匹配是完全匹配的,既进行所述项目信息确定时,必须包括全部的所述融合特征,前提是,申请所述项目信息的确定是基于需要找到最合适的信息,而非最全面的信息。
例如,所述融合特征为关键词,根据所述关键词检索,获得项目信息。
图2是本申请中项目匹配流程示意图。
请参照图2所示,具体的,所述匹配模块根据确定的项目信息进行项目匹配,包括:
S301从项目数据库中获取候选项目列表;
所述数据库可以包括海量的数据信息,存储与云服务的分布式数据库中,根据项目数据生成项目列表。
S302初步筛选,输入上述步骤确定的项目信息,根据所述确定的项目信息与所述项目列表的对比,以类别相似度筛选并拉出所述项目列表中的项目候选集合。
基于所述项目信息,在项目数据库中进行匹配,本申请采用相似度来进行,该匹配方式可以用如下表达式表示:
其中,所述p用来评价相似度,所述A、B和C属于常数系数,所述i表示词汇顺序,所述n表示预设的词汇数量,所述g表示项目信息中词汇顺序中的词汇,所述u表示项目信息文字数,所述l表示数据库中,每个项目数据中的于所述g顺序相同的词汇,y表示该项目中的字数,所述x表示相似词汇的总数,所述f表示相同关系的总数。其中,所述词汇顺序是指统计词汇数量排序后的顺序。
然后根据所述相似度,以及预先设置的相似度阈值进行选择,确定项目候选集合。
S303参数筛选,针对所述项目候选集合中的项目数据进行参数提取,根据所述项目数据与确定的项目信息两者之间参数关系计算结果进行排序。
确定项目后候选集合后,基于所述项目数据,可以根据所述项目数据的类型进行分类,然后进行参数关系计算,具体表达式如下:
其中,所述S,H分别属于项目信息和所述项目数据中的对应参数,例如时间,金额,长高宽等。所述Q应当限制在一个预设的范围内。具体的,所述Q表示多个参数中的一个,当所有所述Q都处于预设范围内,则进行排序,该排序中首先确定Q的权重,基于所述权重进行对比,包括:
将所述参数进行权重高低的排序,依次从权重高的开始,将所Q越小,排序越前;进一步,当所述权重高的Q相同时,低权重的Q进行排序。
S304根据所述排序选择最优项目数据。针对所述融合特征分别进行项目信息获取,并组合成需要的信息。
上述排序,对于不同特征,其对于的项目数据可能不在一个项目候选项中。此时将各个对应的项目数据进行提取,组合形成最终的需要的信息。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种基于人工智能的项目匹配分析系统,其特征在于,包括:
预处理模块,用于对输入数据进行特征增强,生成查询信息;
特征提取模块,用于输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征;
融合模块,用于通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征;
匹配模块,用于根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息;
所述匹配模块根据确定的项目信息进行项目匹配,包括:
S301从项目数据库中获取候选项目列表;
所述数据库包括海量的数据信息,存储与云服务的分布式数据库中,根据项目数据生成项目列表;
S302初步筛选,输入确定的项目信息,根据所述确定的项目信息与所述项目列表的对比,以类别相似度筛选并拉出所述项目列表中的项目候选集合;
基于所述项目信息,在项目数据库中进行匹配,本申请采用相似度来进行,该匹配方式用如下表达式表示:
其中,所述p用来评价相似度,所述A、B和C属于常数系数,所述i表示词汇顺序,所述n表示预设的词汇数量,所述g表示项目信息中词汇顺序中的词汇,所述u表示项目信息文字数,所述l表示数据库中,每个项目数据中的于所述g顺序相同的词汇,y表示该项目中的字数,所述x表示相似词汇的总数,所述f表示相同关系的总数;其中,所述词汇顺序是指统计词汇数量排序后的顺序;
然后根据所述相似度,以及预先设置的相似度阈值进行选择,确定项目候选集合;
S303参数筛选,针对所述项目候选集合中的项目数据进行参数提取,根据所述项目数据与确定的项目信息两者之间参数关系计算结果进行排序;
确定项目后候选集合后,基于所述项目数据,根据所述项目数据的类型进行分类,然后进行参数关系计算,具体表达式如下:
Q=S-H,
其中,所述S,H分别属于项目信息和所述项目数据中的对应参数;所述Q应当限制在一个预设的范围内;所述Q表示多个参数中的一个,当所有所述Q都处于预设范围内,则进行排序,该排序中首先确定Q的权重,基于所述权重进行对比,包括:
将所述参数进行权重高低的排序,依次从权重高的开始,将所Q越小,排序越前;当所述权重高的Q相同时,低权重的Q进行排序;
S304根据所述排序选择最优项目数据,针对所述融合特征分别进行项目信息获取,并组合成需要的信息;对于不同特征,生成多个不同的排序,其对于的项目数据可能不在一个项目候选项中;此时基于所述特征将各个对应的排序中项目数据进行提取,组合形成最终的需要的信息。
2.根据权利要求1所述基于人工智能的项目匹配分析系统,其特征在于,所述项目数据库包括:
基于项目数据进行标注后生成的项目数据库。
3.根据权利要求1所述基于人工智能的项目匹配分析系统,其特征在于,所述项目匹配信息,包括:一个项目或者多个项目的不同组成。
4.根据权利要求1所述基于人工智能的项目匹配分析系统,其特征在于,所述三卷积层的预审卷积神经网络,包括:
设置在云服务器中,通过私有网络连接用户端。
5.一种基于人工智能的项目匹配分析方法,该方法基于如权利要求1所述的系统,其特征在于,包括:
对输入数据进行特征增强,生成查询信息;
输入查询信息,基于三卷积层的预审卷积神经网络提取所述查询信息中的低层特征、中层特征和高层特征;
通过所述低层特征和中层特征对所述高层特征进行融合,生成融合特征;
根据所述融合特征进行项目信息确定,根据确定的项目信息进行项目匹配,获得项目匹配信息。
6.根据权利要求5所述基于人工智能的项目匹配分析方法,其特征在于,所述根据确定的项目信息进行项目匹配,包括:从项目数据库中获取候选项目列表;
初步筛选,输入确定的项目信息,根据所述确定的项目信息与所述项目列表的对比,以类别相似度筛选并拉出所述项目列表中的项目候选集合;
参数筛选,针对所述项目候选集合中的项目数据进行参数提取,根据所述项目数据与确定的项目信息两者之间参数关系计算结果进行排序;
根据所述排序选择最优项目数据。
7.根据权利要求5所述基于人工智能的项目匹配分析方法,其特征在于,所述项目数据库包括:
基于项目数据进行标注后生成的项目数据库。
8.根据权利要求5所述基于人工智能的项目匹配分析方法,其特征在于,所述项目匹配信息,包括:一个项目或者多个项目的不同组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310752254.8A CN116796199B (zh) | 2023-06-25 | 2023-06-25 | 一种基于人工智能的项目匹配分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310752254.8A CN116796199B (zh) | 2023-06-25 | 2023-06-25 | 一种基于人工智能的项目匹配分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116796199A CN116796199A (zh) | 2023-09-22 |
CN116796199B true CN116796199B (zh) | 2024-02-20 |
Family
ID=88046485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310752254.8A Active CN116796199B (zh) | 2023-06-25 | 2023-06-25 | 一种基于人工智能的项目匹配分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796199B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815886A (zh) * | 2019-01-21 | 2019-05-28 | 南京邮电大学 | 一种基于改进YOLOv3的行人和车辆检测方法及系统 |
CN112000776A (zh) * | 2020-08-27 | 2020-11-27 | 中国平安财产保险股份有限公司 | 基于语音语义的话题匹配方法、装置、设备及存储介质 |
CN112612913A (zh) * | 2020-12-28 | 2021-04-06 | 厦门市美亚柏科信息股份有限公司 | 一种用于图像的搜索方法和系统 |
CN112988969A (zh) * | 2021-03-09 | 2021-06-18 | 北京百度网讯科技有限公司 | 用于文本检索的方法、装置、设备以及存储介质 |
CN113641903A (zh) * | 2021-08-16 | 2021-11-12 | 中投国信(北京)科技发展有限公司 | 基于人工智能的业务匹配方法及服务器 |
CN113656588A (zh) * | 2021-09-01 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 基于知识图谱的数据对码方法、装置、设备和存储介质 |
CN115238062A (zh) * | 2022-07-21 | 2022-10-25 | 上海国际知识产权运营管理有限公司 | 技术产权匹配方法和系统 |
-
2023
- 2023-06-25 CN CN202310752254.8A patent/CN116796199B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815886A (zh) * | 2019-01-21 | 2019-05-28 | 南京邮电大学 | 一种基于改进YOLOv3的行人和车辆检测方法及系统 |
CN112000776A (zh) * | 2020-08-27 | 2020-11-27 | 中国平安财产保险股份有限公司 | 基于语音语义的话题匹配方法、装置、设备及存储介质 |
CN112612913A (zh) * | 2020-12-28 | 2021-04-06 | 厦门市美亚柏科信息股份有限公司 | 一种用于图像的搜索方法和系统 |
CN112988969A (zh) * | 2021-03-09 | 2021-06-18 | 北京百度网讯科技有限公司 | 用于文本检索的方法、装置、设备以及存储介质 |
CN113641903A (zh) * | 2021-08-16 | 2021-11-12 | 中投国信(北京)科技发展有限公司 | 基于人工智能的业务匹配方法及服务器 |
CN113656588A (zh) * | 2021-09-01 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 基于知识图谱的数据对码方法、装置、设备和存储介质 |
CN115238062A (zh) * | 2022-07-21 | 2022-10-25 | 上海国际知识产权运营管理有限公司 | 技术产权匹配方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于智能技术的移动物联网数据深层挖掘技术;郭霏霏;《黑龙江工程学院学报》;27-31 * |
Also Published As
Publication number | Publication date |
---|---|
CN116796199A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110168535A (zh) | 一种信息处理方法及终端、计算机存储介质 | |
US10387805B2 (en) | System and method for ranking news feeds | |
CN112700325A (zh) | 一种基于Stacking集成学习的网贷回头客预测的方法 | |
CN108536682B (zh) | 一种应用于服务业撮合交易的识别分类系统 | |
CN105389505A (zh) | 基于栈式稀疏自编码器的托攻击检测方法 | |
CN108647729B (zh) | 一种用户画像获取方法 | |
CN104063513A (zh) | 一种智能垂直搜索方法和系统 | |
CN113742488B (zh) | 基于多任务学习的嵌入式知识图谱补全方法和装置 | |
CN110046264A (zh) | 一种面向手机文档的自动分类方法 | |
CN110955767A (zh) | 一种机器人对话系统中生成意图候选集列表集合的算法及装置 | |
CN105931055A (zh) | 一种面向众包平台的服务商特征建模方法 | |
CN111159559A (zh) | 根据用户需求和用户行为构建推荐引擎的方法 | |
CN108509588B (zh) | 一种基于大数据的律师评估方法及推荐方法 | |
CN116796199B (zh) | 一种基于人工智能的项目匹配分析系统及方法 | |
CN108615124B (zh) | 基于词频分析的企业评价方法及系统 | |
CN108009735B (zh) | 一种简历评估方法及装置 | |
CN105975480A (zh) | 一种指令识别方法及系统 | |
CN115858939A (zh) | 一种同行召回方法、系统及存储介质 | |
CN110134866A (zh) | 信息推荐方法及装置 | |
CN113076490B (zh) | 一种基于混合节点图的涉案微博对象级情感分类方法 | |
CN114547294A (zh) | 一种基于传播过程综合信息的谣言检测方法及系统 | |
Dziczkowski et al. | An autonomous system designed for automatic detection and rating of film reviews | |
CN111382265B (zh) | 搜索方法、装置、设备和介质 | |
CN104063514A (zh) | 垂直搜索方法 | |
RU2007141666A (ru) | Способ сбора, обработки и каталогизации целевой информации из неструктурированных источников |
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 |