CN116862263A - 一种知产与政策融合规划方法、装置及存储介质 - Google Patents
一种知产与政策融合规划方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116862263A CN116862263A CN202310885646.1A CN202310885646A CN116862263A CN 116862263 A CN116862263 A CN 116862263A CN 202310885646 A CN202310885646 A CN 202310885646A CN 116862263 A CN116862263 A CN 116862263A
- Authority
- CN
- China
- Prior art keywords
- scheme
- fusion
- information
- planning
- policy
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 description 19
- 238000011161 development Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种知产与政策融合规划方法、装置及存储介质。其中,该方法包括:获取融合规划指令;根据融合规划指令,获取目标企业的科创数据;根据科创数据,得到第一方案信息与第二方案信息;基于第一方案信息与第二方案信息得到知产与政策融合规划方案;显示知产与政策融合规划方案。本发明能够快速给出知产与政策融合规划方案,可以帮助企业快速申报政策项目。
Description
技术领域
本申请涉及大数据分析领域,尤其涉及一种知产与政策融合规划方法、装置及存储介质。
背景技术
在知识经济时代,一些政策项目或产业资质的申报需要考察企业的研发能力,因此会对企业知识产权资产有要求。然而无论政策还是知识产权都是对专业能力要求较高较复杂的领域,极少有专家既对政策要求细节有了解,又能对知识产权实务专业有研究。
这就导致企业在进行知产和政策规划时极容易疏漏,导致在按照规划执行时,有时知识产权资产不足导致无法申报,有时对政策的理解错误导致知识产权资产选择错误,极大的阻碍了企业的科技创新发展。
发明内容
本申请提供了一种知产与政策融合规划方法、装置及存储介质,用于快速为企业提供知产与政策融合规划方案,能够有效提升企业的科技创新发展速度。
第一方面,本申请提供了一种知产与政策融合规划方法,包括:获取融合规划指令,融合规划指令至少包括目标企业的标识;根据融合规划指令,获取目标企业的科创数据,所述科创数据包括申报中的项目信息、已申报及待申报的项目信息和已申请、申请中及待申请的知识产权信息;根据科创数据,得到第一方案信息与第二方案信息,第一方案信息包括专利申请规划信息,第二方案信息包括政策项目申请规划信息;基于第一方案信息与第二方案信息得到知产与政策融合规划方案;显示知产与政策融合规划方案。
通过采用上述技术方案,能够获取融合规划指令,其中至少包括目标企业的标识,用于获取目标企业的科创数据,通过科创数据分析得出第一方案信息和第二方案信息并将两者融合成为知产与政策融合规划方案,并将知产与政策融合规划方案显示给用户,能够使得不熟悉知产与政策的用户也能够获得详细的知产与政策融合规划方案,从而提升企业科技创新速度。
结合第一方面的一些实施例,在一些实施例中,根据科创数据,得到第一方案信息与第二方案信息的步骤,包括:调用训练后的科创GPT大模型;根据科创GPT大模型和科创数据,得到第一方案信息与第二方案信息。
采用上述方案,能够调用训练后的科创GPT大模型分析科创数据,从而得到更加贴合需求的第一方案信息与第二方案信息。
结合第一方面的一些实施例,在另一些实施例中,根据科创GPT大模型和科创数据,得到第一方案信息与第二方案信息的步骤,包括:将科创数据输入至科创GPT大模型,得到初步结果;基于初步结果,将预设融合规划提示词输入至科创GPT大模型,得到第一方案信息和第二方案信息,其中,预设融合规划提示词是为将初步结果进一步优化而预先设想与科创数据相关的语句。
采用上述方案,将输入科创GPT大模型的科创数据分析得到初步结果后,再次输入预设融合规划提示词,科创GPT大模型会在初步结果的基础上进一步分析预设融合规划提示词,得到第一方案信息和第二方案信息,使得获取的方案信息更加准确。
结合第一方面的一些实施例,在另外一些实施例中,基于第一方案信息与第二方案信息得到知产与政策融合规划方案的步骤,包括:对知产与政策融合规划方案进行阶段分级,得到分级计划,基于分级计划,列出知产与政策融合规划方案中每个阶段的对应时间与对应任务。
采用上述方案,能够对知产与政策融合规划方案进行阶段区分,从而逐级去实现计划,能够有效梳理任务线,加速了方案的实现效率。
结合第一方面的一些实施例,在另一些实施例中,显示知产与政策融合规划方案步骤,包括:根据科创数据中项目的申报信息,将知产与融合规划方案划分为已申报项目融合规划方案、申报中项目融合规划方案、待申报项目融合规划方案;将知产与融合规划方案中已申报项目融合规划方案、申报中项目融合规划方案、待申报项目融合规划方案进行区分显示。
采用上述方案,能够将处于不同申报阶段的项目进行区分,利于用户对每个申报阶段的项目进行区分管理,提高了方案的完成效率。
结合第一方面的一些实施例,在另外一些实施例中,包括:在将知产与政策融合规划方案划分为已申报项目融合规划方案、申报中项目融合规划方案、待申报项目融合规划方案步骤之后,还包括:判断与申报中项目融合规划方案有关政策是否发生变动;若是,根据变动后的有关政策改变申报中项目融合规划方案。
采用上述方案,能够及时观测申报中项目有关政策是否有变化,并在发现变化后对申报中项目融合规划方案进行调整,能够防止因政策变动带来的损失。
结合第一方面的一些实施例,在另一些实施例中,在将知产与融合规划方案划分为已申报项目融合规划方案、申报中项目融合规划方案、待申报项目融合规划方案步骤之后,还包括:判断申报中项目融合规划方案的当前收益能否符合预期;若否,则调整申报中项目融合规划方案。
采用上述方案,能够精确地检测申报中项目是否能带来符合预期的收益,避免因外界因素原因导致的经济损失。
第二方面,本申请实施例提供了一种知产与政策融合规划装置,该知产与政策融合规划装置包括:一个或多个处理器和存储器;存储器与一个或多个处理器耦合,存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,一个或多个处理器调用计算机指令以使得知产与政策融合规划装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第三方面,本申请实施例提供一种计算机可读存储介质,包括指令,当上述指令在知产与政策融合规划推荐装置上运行时,使得上述知产与政策融合
推荐装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
综上,本申请包括以下至少三种有益技术效果:
1.本发明能够获取融合规划指令,并根据融合规划指令获取目标企业的科创数据从而获取目标企业的知产信息与项目申报信息,并根据科创数据为目标企业制定第一方案和第二方案并有机融合为知产与政策融合规划方案后,发送给目标企业,能够让对政策与知产并不了解的企业也能够快速申报项目,加快企业的科技创新发展速度。
2.本发明能够将科创数据输入至科创GPT大模型并得到初步结果,再输入预设融合规划提示词,基于初步结果再分析预设融合规划提示词得到更优的结果,大大提高了科创GPT大模型输出结果的准确性。
3.本发明能够分析目标公司申报中项目有关政策是否发生变动,并根据有关政策的变化来调整知产与政策融合规划方案,能够减少因政策变动导致项目申报失败情况的发生。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅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。在附图中:
图1是本申请实施例中一种知产与政策融合规划方法流程示意图;
图2是本申请实施例中一种知产与政策融合规划方法的一个示例性场景示意图;
图3是本申请实施例中一种知产与政策融合规划方法的一个示例性场景示意图;
图4是本申请实施例中一种知产与政策融合规划方法中一个示例性场景示意图;
图5是本申请实施例中一种知产与政策融合规划方法中的一个示例性流程图;
图6是本申请实施例中一种知产与政策融合规划装置中的一个示例性模块图;
图7是本申请实施例中一种电子设备的示意图。
具体实施方式
本发明以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本发明的限制。如在本发明的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“”、“上述”、“该”和“这一”旨在也包括复数表达形式,除非其上下文中明确地有相反指示。还应当理解,本发明中使用的术语“和/或”是指并包含一个或多个所列出项目的任何或所有可能组合。
以下,术语“第一”、“第二”仅用于描述目的,用于区分技术特征,而不能理解为暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本发明实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
下面结合图1与图2与图3对本发明进行详细说明;
参阅图1,图1为本申请实施例中示例性流程图,本申请实施例中一种知产与政策融合规划方法包括步骤110、步骤120、步骤130、步骤140和步骤150具体如下:
步骤110,获取融合规划指令,融合规划指令至少包括目标企业的标识。
步骤110中,融合规划指令包括至少包括目标企业的标识,目标企业的标识是指让服务器230用以识别企业的标识。
步骤120,根据融合规划指令,获取目标企业的科创数据,科创数据包括申报中的项目信息、已申报及待申报的项目信息和已申请、申请中及待申请的知识产权信息;
步骤120中的目标企业的科创数据,是指向服务器230输入融合规划指令后得到的,其中包含申报中的项目信息、已申报的项目信息和待申报的项目信息,还包含已申请的知识产权信息、申请中的知识产权信息和待申请的知识产权信息,将各种申报状态的项目信息与申请状态的知识产权信息区分开来,更有利于对整个信息的把控与梳理,同时也能更全面的获取企业的科创数据信息。
步骤130,根据科创数据,得到第一方案信息与第二方案信息,第一方案信息包括专利申请规划信息,第二方案信息包括政策项目申请规划信息。
步骤130中,根据上述步骤得到的科创数据,将其输入至科创GPT大模型350,根据训练后的科创GPT大模型350输出第一方案信息与第二方案信息,其中,第一方案信息是基于科创数据中已申请、申请中及待申请的知识产权信息得出的,第二方案信息是基于科创数据中申报中的项目信息、已申报及待申报的项目信息得出的,即第一方案信息是对于知识产权的推荐信息,第二方案信息是对申报项目的推荐信息。
步骤140,基于第一方案信息与第二方案信息得到知产与政策融合规划方案。
其中知产与政策融合规划方案是将第一方案信息与第二方案信息输入至科创GPT大模型350中融合得到后的综合方案,其兼具对申报项目的推荐方案与知识产权申请的推荐方案。
步骤150,显示知产与政策融合规划方案。
服务器230将科创GPT大模型350输出的知产与政策融合规划方案接收,并发送到目标用户的电子设备上,使得用户能够获取知产与政策融合规划方案,从而使得不了解政策与知产的企业也能够加快科技创新发展速度。
根据上述五个步骤得出的知产与政策融合规划方法,能够获取融合规划指令,并根据融合规划指令获取目标企业的科创数据从而获取目标企业的知产信息与项目申报信息,并根据科创数据为目标企业制定第一方案和第二方案并有机融合为知产与政策融合规划方案后,发送给目标企业,能够让对政策与知产并不了解的企业也能够快速申报项目,从而加快企业的科技创新发展速度。
在本发明的一些示例性实施例中,根据科创数据,得到第一方案信息与第二方案信息的步骤,包括:
调用训练后的科创GPT大模型350;
根据科创GPT大模型350和科创数据,得到第一方案信息与第二方案信息。
其中,科创数据由服务器230从融合规划指令中获取,服务器230将获取的科创数据输入至训练后的科创GPT大模型350,由科创GPT大模型350内置算法240预测得出第一方案信息与第二方案信息。
如图2所示,图2为本发明具体应用场景图,其中,移动终端320为手机,应用程序是名为知产政策融合平台的app,用户在手机上点击知产政策融合平台,随后进入知产政策融合平台页面,随后在该页面上输入公司名称,随即将该知产政策融合平台将获取的公司名称发送给服务器230,服务器230根据公司名称获取该公司的科创数据,科创数据包括申报中的项目信息、已申报及待申报的项目信息和已申请、申请中及待申请的知识产权信息,服务器230将获得的科创数据输入至科创GPT大模型350,科创GPT大模型350利用内置算法240得出第一方案信息与第二方案信息并将其融合为知产与政策融合规划方案,科创GPT大模型350得出知产与政策融合规划方案后,将其传递至服务器230,随后服务器230将其传递至用户的手机app知产政策融合平台上,使得用户可以查看与输入公司相关的知产与政策融合规划方案。
在本发明的一些示例性实施例中,根据科创GPT大模型350和科创数据,得到第一方案信息与第二方案信息的步骤,包括:
将科创数据输入至科创GPT大模型350,得到初步结果;
基于初步结果,将预设融合规划提示词输入至科创GPT大模型350,得到第一方案信息与第二方案信息,其中,预设融合规划提示词是为将初步结果进一步优化而预先设想与科创数据相关的语句。
如图3所示,图3为本发明内部数据传输图,其中,初步结果是指首次将科创数据输入至科创GPT大模型350得到的结果,由于第一次将科创数据输入至科创GPT大模型350中,科创GPT大模型350对该数据并不熟悉,得出的初步结果往往不尽如人意,因此需要结合预设融合规划提示词将自己需要的部分告知科创GPT大模型350,该预设融合规划提示词是为将该初步结果进一步优化而预先设想与该科创数据相关的语句,例如输入公司的专利申请信息后,往往容易输出各领域的专利申请推荐信息,此时的预设融合规划提示词就应当是限定所期望的领域的语句。科创GPT大模型350在接收到预设融合规划提示词后,基于得到的初步结果再次输出的结果往往会更加贴近预期结果。
可以理解的是,预设融合规划提示词可以输入多次,每个预设融合规划提示词的输入都会根据以往的输出结果得到进一步的优化结果,其中每次输入至科创GPT大模型350的预设融合规划提示词都相当于对科创GPT大模型350进行了一次训练,这就使得科创GPT大模型350会不断熟悉目标公司领域,在多次训练后科创GPT大模型350会更了解目标公司领域,从而会更容易获得用户期望的结果。多次输入预设融合规划提示词,可将科创GPT大模型350训练至得到期望的结果为止。
首先从目标用户移动终端320上发送融合规划指令至服务器230,服务器230利用大数据分析模型330得到目标企业的科创数据,将得到的科创数据输入至科创GPT大模型350中,经过科创GPT大模型350的内置算法240得出第一方案信息与第二方案信息,随后科创GPT大模型350将第一方案信息与第二方案信息融合得到融合规划方案并发送到服务器230中,最后服务器230再将该融合规划方案发送至目标用户的移动终端320上,这样就完成了本发明的一个基础流程,目标用户只需要向服务器230发送融合规划指令即可激活整套流程的运行,可方便快捷地获得全面的知产与政策融合规划方案,极大地方便了用户,使得用户不再需要花费时间精力去熟悉政策与知产,并且解决了两者该如何结合申报项目这个难题,极大地提升了企业的项目申报效率。
在本发明的一些示例性实施例中,该基于该第一方案信息与该第二方案信息得到知产与政策融合规划方案的步骤,包括:
对该知产与政策融合规划方案进行阶段分级,得到分级计划;
基于该分级计划,列出该知产与政策融合规划方案中每个阶段的对应时间与对应任务。
可以理解的是,对知产与政策融合规划方案进行阶段分级,可以指对知产与政策融合规划方案进行不同时间阶段的分级,例如,在刚获取知产与政策融合规划方案时为第一阶段,此时第一阶段计划为申请相关专利,并限定申请时间;第二阶段,根据第一阶段申请相关专利的结果,来申报与第一阶段申请专利领域相关的政策项目。
例如在第一阶段,企业需要申请5项人工智能领域的专利,并在接下来的6个月内完成申请;在第二阶段,企业需要根据第一阶段专利申请的成果,申报与人工智能相关的政策项目,如"国家智能制造发展基金"。
需要说明的是,对知产与政策融合规划方案的阶段分级也可进行先申报项目再申请专利的方式,例如,第一阶段:企业需要申请3项太阳能领域的专利,如"柔性太阳能电池"、"太阳能储能系统"和"光伏发电系统优化",并在接下来的4个月内完成申请;第二阶段:企业需要根据第一阶段专利申请的成果,申报与太阳能和风能相关的政策项目,如"国家可再生能源发展基金";第三阶段:企业需要在接下来的6个月内申请2项风能领域的专利,如"海上风力发电系统"和"风能并网技术";第四阶段:企业需要根据第三阶段专利申请的成果,申报与风能领域相关的政策项目,如"国家海上风能发展基金"。
图4与图5是本申请实施例中一种知产与政策融合规划方法中一个示例性场景示意图;
图5构建了目标企业科创数据进行分类的示例性场景图,点击移动终端320上的应用程序,即可进入应用程序界面,并显示项目申报情况与知产申请情况,用户点击项目申报情况选项即可进入下一界面,下一界面会显示已申报项目选项与申报中项目选项,此时点击已申报项目选项即可显示所有已申报项目,点击申报中项目选项即可显示所有申报中项目。
在本发明的一些示例性实施例中,显示该知产与政策融合规划方案步骤,包括:
根据该科创数据中项目的申报信息,将该知产与融合规划方案划分为已申报、申报中、待申报项目融合规划方案;
将该知产与融合规划方案中该已申报项目、该申报中项目、该待申报项目融合规划方案进行区分显示。
可以理解的是,点击上述知产申请情况也会有对应的界面信息,并将所有已申请专利、申请中、待申请专利显示出来,同时,该界面也不仅仅包括项目申报情况选项与知产申请情况选项,还包括商标、版权、涉外专利等申请情况的选项,并在点击对应选项后进入对应的界面。将各项数据分开来可以更加方便的选择各项数据情况,同时也能更加方便的选择想要查看的版块,能够更加有条不紊的管理各版块信息。
在将该知产与政策融合规划方案划分为已申报、申报中、待申报项目融合规划方案步骤之后,还包括:
判断与该申报中项目融合规划方案有关政策是否发生变动;
若是,根据变动后的该有关政策改变该申报中项目融合规划方案。
图4构建了本发明相关政策变动场景图,在用户已经获得知产与政策融合规划方法之后,但与该方法相关的政策发生了变动,此时移动终端320上的应用程序会推送提醒,用户此时点击该应用程序即可查看是哪条政策发生了变动,同时也能查看变动政策后知产与政策融合规划方案的变动,知产与政策融合规划方案的改动是为了适应相关政策的变动。
在本发明的一些实施例中,在将该知产与政策融合规划方案划分为已申报、申报中、待申报项目融合规划方案步骤之后,还包括:
判断该申报中项目融合规划方案的当前收益能否符合预期;
若否,则调整该申报中项目融合规划方案。
可以理解的是,科创GPT大模型350也可以预测申报中项目融合规划方案的收益走向趋势,从而可以判断该申报中的项目能否符合目标用户的预期收益,若能够符合目标用户的预期收益,则可保持当前申报中项目融合规划方案不发生变动,若科创GPT大模型350预测该申报中项目不能够符合目标用户的预期收益,则会对该申报中项目融合规划方案做出改进并完善,同时若科创GPT大模型350在政策变动后预测出了相比于当前的申报中项目融合规划方案有更高收益的方案,也会推送至目标用户的移动终端320供用户选择,用户可以选择采纳新方案,也可以选择维持原方案保持不变,经过多层权衡可以获得用户满意的融合方案,本方案能够给予用户申报中项目的保障,避免因为申报中项目因意外状况导致的收益下降而用户无法预测该收益下降情况的发生,降低了用户无法获取预期收益的风险。
图5是本申请实施例中一种知产与政策融合规划方法中的一个示例性流程图;
步骤501,获取融合规划指令;
其中,融合规划指令的获取方式可以是外界用户的输入,用户可在某一页面输入融合规划指令,并通过移动终端320发送至服务器230,从而使得服务器230接收到融合规划指令。
步骤502,获取科创数据;
服务器230根据上述获取的融合规划指令,通过大数据分析模型330获取目标企业的科创数据,科创数据包括科创数据包括申报中的项目信息、已申报及待申报的项目信息和已申请、申请中及待申请的知识产权信息。
步骤503,将科创数据输入至科创GPT大模型350,得到初步结果;
将科创数据输入至科创GPT大模型350,由于是初次输入科创GPT大模型350中的数据,科创GPT大模型350对其并不熟悉,得出的初步结果往往不是我们所需要的内容,因此还需要进一步优化。
步骤504,输入预设融合规划提示词,并基于初步结果得出第一方案信息与第二方案信息;
其中预设融合规划提示词是预先规划好与目标企业科创数据具有相关性的语句,能够使得科创GPT大模型350更好地理解当前输入的科创数据,科创GPT大模型350在经过科创数据的输入后,会对当前数据有所理解,再结合预设融合规划提示词能够使得科创GPT大模型350更充分的理解科创数据,从而得到更符合用户预期的第一方案信息与第二方案信息,该第一方案信息包括专利申请规划信息,该第二方案信息包括政策项目申请规划信息。
步骤505,基于第一方案信息与第二方案信息得出知产与政策融合方案;
第一方案信息是针对专利申请方面的规划,第二方案信息是针对政策方面的规划,将二者有机结合便是知产与政策融合规划方案,其结合会考虑多方面因素,例如时间、阶段、收益等,知产与政策融合规划方案能够让不熟悉知产与政策的用户也能够快速申报项目,能够加速企业的科技创新速度。
步骤506,对知产与政策融合规划方案进行阶段分级;
根据项目申报的需求对知产与政策融合规划方案进行阶段分级,例如,在第一阶段完成某专利的申请,第二阶段完成某政策项目的申报。将知产与政策融合规划方案分级能够有利于计划的实施,将计划分阶段实施更有利于用户对计划的实现。
步骤507,基于科创数据中项目的申报信息,将知产与政策融合规划方案分为已申报、申报中、待申报项目融合规划方案;
将知产与政策融合规划方案分为已申报、待申报、申报中项目融合规划方案,有利于用户更方便地查看各版块的知产与政策融合规划方案,同时在更改或查看各项知产与政策融合规划方案时也更加方便,能够方便用户对于知产与政策融合规划方案的管理与查看。
步骤508,判断申报中项目融合规划方案能否符合预期收益,若不符合则调整该融合规划方案;
由于项目在申报过程中常常会有各种意外发生,例如政策发生了变动,使得该项目的申报不再能够满足目标用户的期望需求,此时可以调整该申报中项目融合规划方案,使该方案调整朝着目标用户的期望需求方向靠近,或是直接取消该项目的申报,以尽可能的避免目标用户可能受到的损失。
步骤509,判断申报中项目融合规划方案相关政策是否变动,若变动则调整该申报中项目融合规划方案;
判断申报中项目融合规划方案相关政策是否发生变动,能够减少因项目申报途中政策发生变动带来的影响,若相关政策发生变化,有可能导致该项目申报条件同时发生变化,这种情况下若不改变申报计划,则极有可能导致项目申报失败,因此需要一种把关项目变动的手段,同时,若因相关政策的变动出现了有更高收益的项目融合规划方案,也会由科创GPT大模型350预测出新的知产与政策融合规划方案并推送给目标用户,用户可以选择更改或者拒绝更改知产与政策融合规划方案,提高了人机交互体验感,同时也降低了用户受到损失的可能性。
步骤510,显示知产与政策融合规划方案;
将科创GPT大模型350得出的知产与政策融合规划方案发送至目标用户的电子设备上,以使目标用户能够查看该知产与政策融合规划方案。
考虑如下场景:假设有一家名为"绿色能源科技有限公司"的企业,专注于太阳能和风能技术的研发。该公司希望利用基于智能模型的知产与政策融合规划方法来提升其知识产权申报和政策申报的效率与准确性。以下是一个具体的操作步骤:1.企业负责人通过绿色能源科技有限公司的移动终端320(如智能手机或电脑)登录公司的科创空间页面,点击"融合规划"链接进入融合规划子页面。2.移动终端320向服务器230发送融合规划指令,其中包括绿色能源科技有限公司的标识。3.服务器230根据绿色能源科技有限公司的标识获取该企业的科创数据,包括已申报的及申报中的项目信息(如"高效太阳能电池"项目),已申请的及申请中的知识产权信息(如"风力发电机组优化设计"专利申请)。4.服务器230将绿色能源科技有限公司的科创数据及预设融合规划提示词输入已训练完成的科创GPT大模型350。5.GPT大模型根据输入的数据生成第一融合规划方案,其中包括不同时间节点的多个方案信息。例如,第一阶段:企业需要申请3项太阳能领域的专利,如"柔性太阳能电池"、"太阳能储能系统"和"光伏发电系统优化",并在接下来的4个月内完成申请。第二阶段:企业需要根据第一阶段专利申请的成果,申报与太阳能和风能相关的政策项目,如"国家可再生能源发展基金"。第三阶段:企业需要在接下来的6个月内申请2项风能领域的专利,如"海上风力发电系统"和"风能并网技术"。第四阶段:企业需要根据第三阶段专利申请的成果,申报与风能领域相关的政策项目,如"国家海上风能发展基金"。6.服务器230将第一融合规划方案发送给企业负责人的移动终端320,使得移动终端320在绿色能源科技有限公司的科创空间页面的融合规划子页面中按时间线显示该目标企业的第一融合规划方案。7.企业负责人可以根据显示的融合规划方案,按照时间节点和规划内容进行知识产权申报和政策申报工作。例如,在第一阶段,企业负责人可以指导研发团队加快"柔性太阳能电池"、"太阳能储能系统"和"光伏发电系统优化"三个专利的申请进度;在第二阶段,企业负责人可以组织团队编写政策申报材料,申请"国家可再生能源发展基金"。通过这个示例场景,我们可以看到基于智能模型的知产与政策融合规划方法能够极大地提升企业对知产与政策融合规划的效率与准确性。同时,该方法还可以根据政策变动、申报进度等实时调整融合规划方案,进一步提高企业的科技创新发展能力。
本发明能够获取用户输入的融合规划指令,从而提取出目标企业的科创数据并将科创数据传递至科创GPT大模型350,并将科创GPT大模型350输出的结果定为初步结果,随后再次输入预设融合规划提示词得出第一方案信息与第二方案信息,根据第一方案信息与第二方案信息得出知产与政策融合规划方案并进行阶段分级以及区分版块显示,并判断申报中的项目相关政策是否发生变化,申报中的项目收益能否达到预期标准,最后将完善的知产与政策融合规划方案发送到目标用户的移动终端320上,本发明能够帮助不了解知产与政策的用户快速申报项目,能够促进公司的科技发展速度。
图6是本申请实施例中一种知产与政策融合规划装置的模块示意图;
本发明一种知产与政策融合装置中,某一实施例包括:
第一获取模块610,获取融合规划指令,所述融合规划指令至少包括目标企业的标识;
第二获取模块620,用于获取所述目标企业的科创数据,所述科创数据包括申报中的项目信息、已申报的项目信息和已申请及申请中的知识产权信息;
数据分析模块630,用于根据所述科创数据,得到第一方案信息与第二方案信息,所述第一方案信息包括专利申请规划信息,所述第二方案信息包括政策项目申请规划信息;
信息融合模块640,用于基于所述第一方案信息与所述第二方案信息360得到知产与政策融合规划方案。
数据显示模块650,用于显示所述知产与政策融合规划方案。
其中第一获取模块用于从外界获取融合规划指令,融合规划指令至少包含与目标企业的标识,用于获取目标公司的各项数据;第二获取模块用于根据上述融合规划指令得出目标企业科创数据;数据分析模块用于将科创数据输入至科创GPT大模型350从而获取第一方案信息与第二方案信息;信息融合模块用于将第一方案信息与第二方案信息融合得出知产与政策融合规划方案,并将其通过数据显示模块显示给用户,本装置能够通过用户的需求得出用户需要的知产与政策融合规划方案,能够帮助不熟悉政策与知产的用户略去学习了解知产与政策的时间,从而提升用户企业的项目申报速度,从而获取更多的国家支持。
为便于理解本申请实施例中的一种知产与政策融合规划方法,下面首先介绍本申请实施例提供的示例性电子设备700。
在一些实施例中,该电子设备700为一种计算机设备,该计算机设备可以是终端设备,也可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。
其中,该计算机设备的处理器用于提供计算和控制能力。该处理器可以包括一个或多个处理单元,例如:处理器可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processing unit,GPU),图像信号处理器(image signalprocessor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signalprocessor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等中的一个或多个。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
若该处理器包括的处理单元中包括NPU,则可以有助于提高进行深度学习处理的效率。NPU为神经网络(neural-network ,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备700的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。
该计算机设备的网络接口用于与外部的其他终端或服务器通过网络连接通信。在一些实施例中,该网络接口可以为有线的网络接口,在一些实施例中,该网络接口也可以为无线的网络接口。
处理器703可以包括一个或多个处理单元,例如:处理器703可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是电子设备700的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器703中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器703中的存储器为高速缓冲存储器。该存储器可以保存处理器703刚用过或循环使用的指令或数据。如果处理器703需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器703的等待时间,因而提高了系统的效率。
在一些实施例中,处理器703可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDA)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器110可以包含多组I2C总线。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号,也可被配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器703与输入装置701,输出装置702等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口可以用于连接充电器为电子设备700充电,也可以用于电子设备700与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
可以理解的是,本申请实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备700的结构限定。在本申请另一些实施例中,电子设备700也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
该计算机程序被处理器执行时以实现本申请实施例中的一种知产与政策融合规划方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
图7是本申请实施例提供的电子设备700的示例性结构示意图。
在一些实施例中,该电子设备700为一种计算机设备,该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本申请实施例中的一种知产与政策融合规划方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本申请的一些实施例中,还提供了一种计算机可读存储介质,包括指令,当该指令在该电子设备700上运行时,可以使得该电子设备700执行本申请实施例中的一种知产与政策融合规划方法。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的范围。
上述实施例中所用,根据上下文,术语“当…时”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地,根据上下文,短语“在确定…时”或“如果检测到(所陈述的条件或事件)”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到(所陈述的条件或事件)时”或“响应于检测到(所陈述的条件或事件)”。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (10)
1.一种知产与政策融合规划方法,其特征在于,包括以下步骤:
获取融合规划指令,所述融合规划指令至少包括目标企业的标识;
根据所述融合规划指令,获取所述目标企业的科创数据,所述科创数据包括申报中的项目信息、已申报及待申报的项目信息和已申请、申请中及待申请的知识产权信息;
根据所述科创数据,得到第一方案信息与第二方案信息,所述第一方案信息包括专利申请规划信息,所述第二方案信息包括政策项目申请规划信息;
基于所述第一方案信息与所述第二方案信息得到知产与政策融合规划方案;
显示所述知产与政策融合规划方案。
2.根据权利要求1所述的一种知产与政策融合规划方法,其特征在于,所述根据所述科创数据,得到第一方案信息与第二方案信息的步骤,包括:
调用训练后的科创GPT大模型;
根据所述科创GPT大模型和所述科创数据,得到第一方案信息与第二方案信息。
3.根据权利要求2所述的一种知产与政策融合规划方法,其特征在于,所述根据所述科创GPT大模型和所述科创数据,得到第一方案信息与第二方案信息的步骤,包括:
将所述科创数据输入至所述科创GPT大模型,得到初步结果;
基于所述初步结果,将预设融合规划提示词输入至所述科创GPT大模型,得到第一方案信息和第二方案信息,其中,所述预设融合规划提示词是将所述初步结果进一步优化而预先设想与所述科创数据相关的语句。
4.根据权利要求1所述的一种知产与政策融合规划方法,其特征在于,所述基于所述第一方案信息与所述第二方案信息得到知产与政策融合规划方案的步骤,包括:
对所述知产与政策融合规划方案进行阶段分级,得到分级计划;
基于所述分级计划,列出所述知产与政策融合规划方案中每个阶段的对应时间与对应任务。
5.根据权利要求1所述的一种知产与政策融合规划方法,其特征在于,所述显示所述知产与政策融合规划方案步骤,包括:
根据所述科创数据中项目的申报信息,将所述知产与政策融合规划方案划分为已申报项目融合规划方案、申报中项目融合规划方案、待申报项目融合规划方案;
将所述知产与融合规划方案中所述已申报项目融合规划方案、所述申报中项目融合规划方案、所述待申报项目融合规划方案进行区分显示。
6.根据权利要求5所述的一种知产与政策融合规划方法,其特征在于,在将所述知产与融合规划方案划分为已申报项目融合规划方案、申报中项目融合规划方案、待申报项目融合规划方案步骤之后,还包括:
判断与所述申报中项目融合规划方案有关政策是否发生变动;
若是,根据变动后的所述有关政策改变所述申报中项目融合规划方案。
7.根据权利要求5所述的一种知产与政策融合规划方法,其特征在于,在将所述知产与融合规划方案划分为已申报项目融合规划方案、申报中项目融合规划方案、待申报项目融合规划方案步骤之后,还包括:
判断所述申报中项目融合规划方案的当前收益能否符合预期;
若否,则调整所述申报中项目融合规划方案。
8.一种知产与政策融合规划装置,其特征在于,包括:
第一获取模块,获取融合规划指令,所述融合规划指令至少包括目标企业的标识;
第二获取模块,用于获取所述目标企业的科创数据,所述科创数据包括申报中的项目信息、已申报的项目信息和已申请及申请中的知识产权信息;
数据分析模块,用于根据所述科创数据,得到第一方案信息与第二方案信息,所述第一方案信息包括专利申请规划信息,所述第二方案信息包括政策项目申请规划信息;
信息融合模块,用于基于所述第一方案信息与所述第二方案信息得到知产与政策融合规划方案;
数据显示模块,用于显示所述知产与政策融合规划方案。
9.一种知产与政策融合规划装置,其特征在于,包括:一个或多个处理器和存储器;
所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述知产与政策融合规划装置执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在电子设备上运行时,使得所述电子设备执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885646.1A CN116862263A (zh) | 2023-07-17 | 2023-07-17 | 一种知产与政策融合规划方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885646.1A CN116862263A (zh) | 2023-07-17 | 2023-07-17 | 一种知产与政策融合规划方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116862263A true CN116862263A (zh) | 2023-10-10 |
Family
ID=88232019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310885646.1A Pending CN116862263A (zh) | 2023-07-17 | 2023-07-17 | 一种知产与政策融合规划方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862263A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117453903A (zh) * | 2023-12-22 | 2024-01-26 | 深圳市智慧城市科技发展集团有限公司 | 信息推送方法、终端设备及可读存储介质 |
-
2023
- 2023-07-17 CN CN202310885646.1A patent/CN116862263A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117453903A (zh) * | 2023-12-22 | 2024-01-26 | 深圳市智慧城市科技发展集团有限公司 | 信息推送方法、终端设备及可读存储介质 |
CN117453903B (zh) * | 2023-12-22 | 2024-04-12 | 深圳市智慧城市科技发展集团有限公司 | 信息推送方法、终端设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107291867B (zh) | 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质 | |
CN109740657B (zh) | 一种用于图像数据分类的神经网络模型的训练方法与设备 | |
WO2018180970A1 (ja) | 情報処理システム、特徴量説明方法および特徴量説明プログラム | |
KR20210037619A (ko) | 멀티 모달 콘텐츠 처리 방법, 장치, 기기 및 저장 매체 | |
CN107463601B (zh) | 基于人工智能的对话理解系统构建方法、装置、设备及计算机可读存储介质 | |
CN108985358B (zh) | 情绪识别方法、装置、设备及存储介质 | |
US20230229898A1 (en) | Data processing method and related device | |
CN112541124B (zh) | 生成多任务模型的方法、装置、设备、介质及程序产品 | |
CN116862263A (zh) | 一种知产与政策融合规划方法、装置及存储介质 | |
CN111368545A (zh) | 一种基于多任务学习的命名实体识别方法和装置 | |
JP2022078310A (ja) | 画像分類モデル生成方法、装置、電子機器、記憶媒体、コンピュータプログラム、路側装置およびクラウド制御プラットフォーム | |
CN112035626A (zh) | 一种大规模意图的快速识别方法、装置和电子设备 | |
CA3153056A1 (en) | Intelligently questioning and answering method, device, computer, equipment and storage medium | |
JP2021081713A (ja) | 音声信号を処理するための方法、装置、機器、および媒体 | |
CN112766402A (zh) | 算法选择方法、装置和电子设备 | |
CN114341795A (zh) | 用于系统设计的会话设计机器人 | |
CN116756564A (zh) | 面向任务解决的生成式大语言模型的训练方法和使用方法 | |
CN112329429B (zh) | 文本相似度学习方法、装置、设备以及存储介质 | |
WO2018180971A1 (ja) | 情報処理システム、特徴量説明方法および特徴量説明プログラム | |
WO2024012017A1 (zh) | 反应物分子的预测、模型的训练方法、装置、设备及介质 | |
CN116560631A (zh) | 一种机器学习模型代码的生成方法及装置 | |
CN116563034A (zh) | 基于人工智能的购买预测方法、装置、设备及存储介质 | |
CN115795025A (zh) | 一种摘要生成方法及其相关设备 | |
CN114116975A (zh) | 一种多意图识别方法及系统 | |
CN113392249A (zh) | 图文信息分类方法、图文分类模型训练方法、介质及设备 |
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 |