CN117668236A - 一种专利标准融合系统的分析方法、系统及存储介质 - Google Patents
一种专利标准融合系统的分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117668236A CN117668236A CN202410100945.4A CN202410100945A CN117668236A CN 117668236 A CN117668236 A CN 117668236A CN 202410100945 A CN202410100945 A CN 202410100945A CN 117668236 A CN117668236 A CN 117668236A
- Authority
- CN
- China
- Prior art keywords
- information
- analysis
- user
- carrying
- resource
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 312
- 230000004927 fusion Effects 0.000 title claims abstract description 65
- 230000004044 response Effects 0.000 claims abstract description 115
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000003058 natural language processing Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000009469 supplementation Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 9
- 239000013589 supplement Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及专利标准融合技术领域,具体公开了一种专利标准融合系统的分析方法、系统及存储介质,包括:基于自然语言处理技术对专利标准信息和专利资源信息分别进行数据分类;根据分类结果信息进行关联性分析,构建资源主题域和专利标准主题域,并构建专利标准融合数据库;基于BiLSTM结合CRF构建用户需求分析模型,进行用户需求分析;构建智能应答模型,根据用户需求分析信息进行目标检索和智能应答;根据用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐。整合专利资源和专利标准信息,实现专利与标准之间紧密结合,根据用户询问信息进行智能应答,实现更加畅通的信息传递和查询,提高信息交流的便利性和智能性。
Description
技术领域
本发明涉及专利标准融合技术领域,尤其涉及一种专利标准融合系统的分析方法、系统及存储介质。
背景技术
随着科技的进步,我国专利申请量突飞猛进,更是着力加强专利的标准化建设,促进标准与专利的融合发展。现有专利标准融合系统存在如下问题:首先,专利与标准之间的融合程度相对较低,导致技术创新与标准制定之间存在一定的不协调性。其次,现有系统在用户与专业人员之间的沟通渠道相对受限,用户难以获得及时、有效的专业咨询。
现有的专利与标准融合系统在信息传递、用户需求反馈等方面存在不足之处。用户在专业领域内的疑虑难以迅速获得解答,导致专业信息的传递存在滞后性。此外,现有系统未能充分发挥在线咨询的优势,无法实时回答用户关于专利与标准融合的相关问题,因此,如何实现专利与标准之间紧密结合,并通过在线咨询功能,实现与用户之间更加畅通的需求信息传递是一个重要问题。
发明内容
本发明克服了现有技术的缺陷,提供了一种专利标准融合系统的分析方法、系统及存储介质,其重要目的在于提高专利与标准融合的水平,促进专利向标准转化,提高信息交流的便利性和智能性。
为实现上述目的本发明第一方面提供了一种专利标准融合系统的分析方法,包括:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息;
根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库;
获取用户询问信息,根据所述用户询问信息进行用户需求分析,得到用户需求分析信息;
构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答;
根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐。
本方案中,所述对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息,具体为:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息进行数据清洗和数据预处理;
提取所述专利标准信息中各专利标准的归属地特征,结合聚类算法进行预分类,得到预分类信息;
基于自然语言处理技术对所述预分类信息进行语义分析,提取各类别下的专利标准信息的关键词特征,根据提取的关键词特征分析不同专利标准的内容语义,得到内容语义分析信息;
预设类别标签,计算所述内容语义分析信息与所述类别标签的曼哈顿距离,根据计算得到的曼哈顿距离进行类别细分,得到第一分类信息;
对所述专利资源信息进行关键词提取,得到关键词特征信息,基于随机森林算法构建属性分析模型,输入所述关键词特征信息对各专利资源进行属性分析,得到属性分析信息;
基于专家分析法设定专利资源作用评估权重,结合属性分析信息对各专利资源进行作用分析,并根据分析结果生成作用类别对各专利资源进行分类,得到第二分类信息;
结合第一分类信息和第二分类信息构成分类结果信息。
本方案中,所述根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库,具体为:
获取分类结果信息,计算第一分类信息各类别之间的余弦相似度,计算第二分类信息各类别之间的余弦相似度,分别构成第一相似网络和第二相似网络;
基于K-means聚类算法结合第一相似网络和第二相似网络构建若干个主题域,得到主题域集合信息,包括资源主题域集合和专利标准主题域集合;
基于马氏距离算法,计算各主题域集合内部的马氏距离以及不同集合的主题域之间的马氏距离,作为关联性分析指标,得到马氏距离信息;
预设若干关联性判断阈值,将所述马氏距离信息与所述关联性判断阈值进行判断,分析集合内部主题域之间的关联程度及集合内部主题域与集合外部主题域之间的关联程度,得到关联性分析信息;
根据主题域集合信息、关联性分析信息和分类结果信息构建专利标准融合数据库。
本方案中,所述根据所述用户询问信息进行用户需求分析,得到用户需求分析信息,具体为:
获取用户询问信息,对所述用户询问信息进行文本处理,得到文本处理信息;
使用词嵌入模型对所述文本处理信息进行特征提取,将每个词映射为词向量并进行序列化处理,得到文本特征信息;
结合注意力机制计算每个特征的注意力分数,作为语义倾向判断指标,并进行排序,得到语义倾向分析信息;
基于BiLSTM结合CRF构建用户需求分析模型,所述用户需求分析模型包括实体识别层、意图分析层、需求分析层;
将所述语义倾向分析信息和文本特征信息输入至所述用户需求分析模型中进行用户需求分析;
所述实体识别层根据输入的文本特征信息进行序列建模,获取每个词的上下文信息,通过CRF对词序列进行标注,并进行实体识别,得到实体识别信息;
将文本特征信息、语义倾向分析信息输入至意图分析层,计算所述文本特征信息与预设意图标签的曼哈顿距离,并与预设阈值进行判断,得到初步意图分析信息;
将语义倾向分析信息作为权重对所述初步意图分析信息进行加权计算,得到意图分析结果信息;
将所述意图分析结果信息和实体识别信息输入至所述需求分析层进行用户需求分析,得到用户需求分析信息。
本方案中,所述构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答,具体为:
构建智能应答模型,包括信息检索模型和应答模型,所述信息检索模型与专利标准融合数据库相关联;
获取用户需求分析信息,对所述用户需求分析信息进行特征提取,根据提取的特征计算与历史检索用户的相似度,得到相似人群信息;
预设用户需求偏向分析规则,结合所述用户需求分析信息分析用户的需求偏向,判断用户需求偏向是疑问解答还是信息查找,得到用户需求倾向分析信息;
将用户需求分析信息和相似人群信息输入至信息检索模型进行信息检索,得到检索结果信息;
根据相似人群信息获取历史应答信息,结合所述检索结果信息进行应答筛选,基于聚类算法对筛选结果进行聚类,将各筛选结果聚类成多个集群,得到初始应答推荐信息;
提取各集群内的历史应答的采用次数,作为优先级指标,评估各集群内的应答内容的推荐优先级,得到优先级评估信息;
基于随机森林算法搭建应答模型,将所述初始应答推荐信息和优先级评估信息输入至应答模型中进行应答推荐,将所述用户需求分析信息作为目标向量,根据所述初始应答推荐信息生成推荐向量;
计算目标向量和推荐向量的皮尔逊相似度和欧氏距离,作为衡量推荐向量与目标向量的匹配度,并与预设阈值进行判断,得到候选应答推荐信息;
将所述优先级评估信息作为推荐权重,对所述候选应答推荐信息进行加权计算,得到最终应答推荐信息,根据所述最终应答推荐信息对目标用户进行智能应答。
本方案中,所述根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐,具体为:
获取用户询问信息,对所述询问信息进行关键词特征提取,得到用户询问特征信息;
预设兴趣标签,根据所述用户询问特征信息进行用户偏好分析,计算用户询问特征信息与所述兴趣标签的欧氏距离,并与预设阈值进行判断,得到用户偏好分析信息;
获取主题域集合信息,结合所述用户偏好分析信息进行主题域偏好分析,计算用户偏好分析信息与主题域集合信息中各集合的相似度,得到用户偏好主题域信息;
获取关联性分析信息,结合用户偏好主题域信息进行潜在兴趣分析,分析用户的潜在兴趣主题域,得到潜在兴趣主题域信息;
根据所述用户偏好分析信息和用户询问特征信息设定推荐权重,通过用户偏好分析信息提取用户的兴趣标签,计算各兴趣标签对应的特征数量,并按照特征数量进行排序,根据排序结果设定推荐权重,得到推荐权重信息;
构建潜在兴趣内容推荐模型,将所述用户偏好分析信息、潜在兴趣主题域信息和推荐权重信息输入至模型中进行潜在兴趣内容推荐分析,得到潜在兴趣内容推荐信息;
根据所述潜在兴趣内容推荐信息对用户进行应答内容补充和内容扩展。
本发明第二方面提供了一种专利标准融合系统的分析系统,该系统包括:存储器、处理器,所述存储器中包含专利标准融合系统的分析方法程序,所述专利标准融合系统的分析方法程序被所述处理器执行时实现如下步骤:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息;
根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库;
获取用户询问信息,根据所述用户询问信息进行用户需求分析,得到用户需求分析信息;
构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答;
根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐。
本发明第三方面还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括适用于专利标准融合系统的分析方法程序,所述适用于专利标准融合系统的分析方法程序被处理器执行时,实现上述任一项所述的专利标准融合系统的分析方法的步骤。
本发明公开了一种专利标准融合系统的分析方法、系统及存储介质,包括:获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息;根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库;获取用户询问信息,根据所述用户询问信息进行用户需求分析,得到用户需求分析信息;构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答;根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐。本发明提高了专利与标准融合的水平,促进专利向标准转化,并提高了信息交流的便利性和智能性。
附图说明
为了更清楚地说明本发明实施例或示例性中的技术方案,下面将对实施例或示例性描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以按照这些附图示出的获得其他的附图。
图1为本发明一实施例提供的一种专利标准融合系统的分析方法流程图;
图2为本发明一实施例提供的智能应答流程图;
图3为本发明一实施例提供的一种专利标准融合系统的分析系统框图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明一实施例提供的一种专利标准融合系统的分析方法流程图;
如图1所示,本发明提供了一种专利标准融合系统的分析方法,包括:
S102,获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息;
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息进行数据清洗和数据预处理;
提取所述专利标准信息中各专利标准的归属地特征,结合聚类算法进行预分类,得到预分类信息;
基于自然语言处理技术对所述预分类信息进行语义分析,提取各类别下的专利标准信息的关键词特征,根据提取的关键词特征分析不同专利标准的内容语义,得到内容语义分析信息;
预设类别标签,计算所述内容语义分析信息与所述类别标签的曼哈顿距离,根据计算得到的曼哈顿距离进行类别细分,得到第一分类信息;
对所述专利资源信息进行关键词提取,得到关键词特征信息,基于随机森林算法构建属性分析模型,输入所述关键词特征信息对各专利资源进行属性分析,得到属性分析信息;
基于专家分析法设定专利资源作用评估权重,结合属性分析信息对各专利资源进行作用分析,并根据分析结果生成作用类别对各专利资源进行分类,得到第二分类信息;
结合第一分类信息和第二分类信息构成分类结果信息。
需要说明的是,首先,获取专利标准信息和专利资源信息,对这些信息进行数据清洗和预处理。数据清洗包括处理缺失值、去除异常数据等操作,而预处理则包括标准化、归一化等操作,以确保数据的质量和一致性。接着,对专利标准信息中的各专利标准进行归属地特征提取,并运用聚类算法进行预分类。通过此操作,可以初步对专利标准进行分组,为后续的深入分析奠定基础。在获得预分类信息后,采用自然语言处理技术进行语义分析,提取各类别下的专利标准信息的关键词特征。有助于理解不同专利标准的内在语义,为更精细的分类提供依据。为了进一步细化分类,预设类别标签,计算内容语义分析信息与类别标签的曼哈顿距离。从而对各类别进行更为准确的划分。同时,对专利资源信息进行关键词提取,并通过随机森林算法构建属性分析模型。通过模型对各专利资源进行属性分析,得到有关各资源属性的信息。使用专家分析法设定权重,结合属性分析信息进行作用分析,有助于深入理解各专利资源的功能和价值。最终,通过整合第一分类信息和第二分类信息,构建分类结果信息。从而清晰地了解专利标准和资源的分类情况,为决策提供支持。
S104,根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库;
获取分类结果信息,计算第一分类信息各类别之间的余弦相似度,计算第二分类信息各类别之间的余弦相似度,分别构成第一相似网络和第二相似网络;
基于K-means聚类算法结合第一相似网络和第二相似网络构建若干个主题域,得到主题域集合信息,包括资源主题域集合和专利标准主题域集合;
基于马氏距离算法,计算各主题域集合内部的马氏距离以及不同集合的主题域之间的马氏距离,作为关联性分析指标,得到马氏距离信息;
预设若干关联性判断阈值,将所述马氏距离信息与所述关联性判断阈值进行判断,分析集合内部主题域之间的关联程度及集合内部主题域与集合外部主题域之间的关联程度,得到关联性分析信息;
根据主题域集合信息、关联性分析信息和分类结果信息构建专利标准融合数据库。
需要说明的是,首先,获取第一分类信息和第二分类信息,通过计算余弦相似度构建第一相似网络和第二相似网络。这两个网络反映了各类别之间的相似关系,为后续的主题域构建和关联性分析提供基础。然后,基于K-means聚类算法结合第一相似网络和第二相似网络,构建若干个主题域。这些主题域分别包括资源主题域集合和专利标准主题域集合,有助于更好地组织和理解分类结果。为了量化主题域内部和主题域之间的关联性,使用马氏距离算法进行分析。计算各主题域集合内部的马氏距离以及不同集合的主题域之间的马氏距离,作为关联性分析的重要指标。接着,预设若干关联性判断阈值,将马氏距离信息与这些阈值进行判断。有助于分析集合内部主题域之间的关联程度以及集合内部主题域与集合外部主题域之间的关联程度,从而映射出集合内部信息的关联以及与集合外部信息的关联,从而为后续潜在兴趣内容提供基础。最终,根据主题域集合信息、关联性分析信息和分类结果信息,构建专利标准融合数据库。该数据库以主题域为基础,融合了专利标准的分类和关联性信息,为用户提供了更为清晰和深入的专业领域知识体系。
需要说明的是,所述分类结果信息将专利标准信息和专利资源信息分别进行分类和整理,所述第一分类信息对应着各种专利标准的资源数据分类,在这些数据中,通过计算其余弦相似度来判断在这个数集合中的各种专利标准信息两两之间的相似性和关联性,同时,对于第二分类信息,对应的是各种专利资源,比如专利文件等,然后同样通过相似度来判断各资源的之间的相似性和关联性。通过计算得到的余弦相似度,结合对应的数据映射至低维空间中,采用图结构来表示相似网络,每个节点代表一个类别,节点与节点之间的边长度代表着类别之间的相似度,类别之间的余弦相似度作为节点之间的边权重,如果相似度超过预设阈值,则认为两个节点之间有连接;否则,可以忽略它们之间的连接。
其中,所述余弦相似度的计算公式为:
S106,获取用户询问信息,根据所述用户询问信息进行用户需求分析,得到用户需求分析信息;
获取用户询问信息,对所述用户询问信息进行文本处理,得到文本处理信息;
使用词嵌入模型对所述文本处理信息进行特征提取,将每个词映射为词向量并进行序列化处理,得到文本特征信息;
结合注意力机制计算每个特征的注意力分数,作为语义倾向判断指标,并进行排序,得到语义倾向分析信息;
基于BiLSTM结合CRF构建用户需求分析模型,所述用户需求分析模型包括实体识别层、意图分析层、需求分析层;
将所述语义倾向分析信息和文本特征信息输入至所述用户需求分析模型中进行用户需求分析;
所述实体识别层根据输入的文本特征信息进行序列建模,获取每个词的上下文信息,通过CRF对词序列进行标注,并进行实体识别,得到实体识别信息;
将文本特征信息、语义倾向分析信息输入至意图分析层,计算所述文本特征信息与预设意图标签的曼哈顿距离,并与预设阈值进行判断,得到初步意图分析信息;
将语义倾向分析信息作为权重对所述初步意图分析信息进行加权计算,得到意图分析结果信息;
将所述意图分析结果信息和实体识别信息输入至所述需求分析层进行用户需求分析,得到用户需求分析信息。
需要说明的是,首先对用户询问信息后进行文本处理,得到文本处理信息。这个步骤包括对用户输入文本进行分词、去除停用词等操作。使用词嵌入模型对文本处理信息进行特征提取,将每个词映射为词向量并进行序列化处理,得到文本特征信息。有助于将文本信息转化为计算机能够理解和处理的形式,为后续的需求分析提供更具信息量的输入。随后,结合注意力机制计算每个特征的注意力分数,作为语义倾向判断指标,并进行排序,得到语义倾向分析信息。从用户的询问信息中,判断出用户的倾向,比如查找、询问或解答等等。最后,基于BiLSTM结合CRF构建用户需求分析模型,包括实体识别层、意图分析层和需求分析层。实体识别层通过序列建模和CRF对词序列进行标注,实现对实体的识别。意图分析层通过计算文本特征信息与预设意图标签的曼哈顿距离,得到初步意图分析信息。需求分析层综合考虑语义倾向分析信息,实体识别信息和初步意图分析信息,深入的对用户需求进行分析。反映用户输入的需求、意图以及相关的实体信息,为系统提供了深层次的理解,为智能应答提供了有力支持。
S108,构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答;
构建智能应答模型,包括信息检索模型和应答模型,所述信息检索模型与专利标准融合数据库相关联;
获取用户需求分析信息,对所述用户需求分析信息进行特征提取,根据提取的特征计算与历史检索用户的相似度,得到相似人群信息;
预设用户需求偏向分析规则,结合所述用户需求分析信息分析用户的需求偏向,判断用户需求偏向是疑问解答还是信息查找,得到用户需求倾向分析信息;
将用户需求分析信息和相似人群信息输入至信息检索模型进行信息检索,得到检索结果信息;
根据相似人群信息获取历史应答信息,结合所述检索结果信息进行应答筛选,基于聚类算法对筛选结果进行聚类,将各筛选结果聚类成多个集群,得到初始应答推荐信息;
提取各集群内的历史应答的采用次数,作为优先级指标,评估各集群内的应答内容的推荐优先级,得到优先级评估信息;
基于随机森林算法搭建应答模型,将所述初始应答推荐信息和优先级评估信息输入至应答模型中进行应答推荐,将所述用户需求分析信息作为目标向量,根据所述初始应答推荐信息生成推荐向量;
计算目标向量和推荐向量的皮尔逊相似度和欧氏距离,作为衡量推荐向量与目标向量的匹配度,并与预设阈值进行判断,得到候选应答推荐信息;
将所述优先级评估信息作为推荐权重,对所述候选应答推荐信息进行加权计算,得到最终应答推荐信息,根据所述最终应答推荐信息对目标用户进行智能应答。
需要说明的是,首先,获取用户需求分析信息,对其进行特征提取。通过计算与历史检索用户的相似度,得到相似人群信息。预设用户需求偏向分析规则,结合用户需求分析信息进行需求偏向分析,判断用户需求偏向是疑问解答还是信息查找,得到用户需求倾向分析信息,确定用户期望的应答类型。然后,将用户需求分析信息和相似人群信息输入信息检索模型进行信息检索,得到检索结果信息,从专利标准融合数据库中初步检索与用户需求相关的信息。接着,基于相似人群信息获取历史应答信息,结合检索结果信息进行应答筛选。通过聚类算法对筛选结果进行聚类,将各筛选结果聚类成多个集群,得到初始应答推荐信息,从而从历史应答中挑选具有代表性和多样性的答案。提取各集群内的历史应答的采用次数,作为优先级指标,评估各集群内的应答内容的推荐优先级,得到优先级评估信息。从各历史应答内容的采用次数映射该应答的应答质量。通过随机森林算法搭建应答模型,将初始应答推荐信息和优先级评估信息输入至应答模型中进行应答推荐。用户需求分析信息作为目标向量,根据初始应答推荐信息生成推荐向量。计算目标向量和推荐向量的皮尔逊相似度和欧氏距离,作为衡量推荐向量与目标向量的匹配度,并与预设阈值进行判断,得到候选应答推荐信息。将优先级评估信息作为推荐权重,对候选应答推荐信息进行加权计算,得到最终应答推荐信息。根据最终应答推荐信息对目标用户进行智能应答。通过综合利用用户需求分析、相似人群信息和历史应答数据,提供了更个性化、高效和准确的智能应答服务。
S110,根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐;
获取用户询问信息,对所述询问信息进行关键词特征提取,得到用户询问特征信息;
预设兴趣标签,根据所述用户询问特征信息进行用户偏好分析,计算用户询问特征信息与所述兴趣标签的欧氏距离,并与预设阈值进行判断,得到用户偏好分析信息;
获取主题域集合信息,结合所述用户偏好分析信息进行主题域偏好分析,计算用户偏好分析信息与主题域集合信息中各集合的相似度,得到用户偏好主题域信息;
获取关联性分析信息,结合用户偏好主题域信息进行潜在兴趣分析,分析用户的潜在兴趣主题域,得到潜在兴趣主题域信息;
根据所述用户偏好分析信息和用户询问特征信息设定推荐权重,通过用户偏好分析信息提取用户的兴趣标签,计算各兴趣标签对应的特征数量,并按照特征数量进行排序,根据排序结果设定推荐权重,得到推荐权重信息;
构建潜在兴趣内容推荐模型,将所述用户偏好分析信息、潜在兴趣主题域信息和推荐权重信息输入至模型中进行潜在兴趣内容推荐分析,得到潜在兴趣内容推荐信息;
根据所述潜在兴趣内容推荐信息对用户进行应答内容补充和内容扩展。
需要说明的是,首先,获取用户询问信息,对该信息进行关键词特征提取,以获取用户询问的关键特征信息。随后,预设兴趣标签,利用用户询问特征信息进行用户偏好分析。通过计算用户询问特征信息与预设兴趣标签的欧氏距离,并与预设阈值进行判断,得到用户偏好分析信息,从而理解用户的兴趣方向和倾向。接下来,获取主题域集合信息,结合用户偏好分析信息进行主题域偏好分析。通过计算用户偏好分析信息与主题域集合信息中各集合的相似度,得到用户偏好主题域信息。有助于确定用户对于特定主题的偏好。同时,获取关联性分析信息,结合用户偏好主题域信息进行潜在兴趣分析。通过分析用户的潜在兴趣主题域,得到潜在兴趣主题域信息,了解用户可能感兴趣的领域和主题。根据用户偏好分析信息和用户询问特征信息设定推荐权重,通过提取用户的兴趣标签,计算各兴趣标签对应的特征数量,并按照特征数量进行排序。根据排序结果设定推荐权重,得到推荐权重信息。从用户的询问信息中,发掘用户的兴趣,比如用户询问某国的专利标准,那么用户的兴趣就可能是了解某国的专利标准,同时,潜在兴趣可能是需要查看某国的专利资源。最后,构建潜在兴趣内容推荐模型,将用户偏好分析信息、潜在兴趣主题域信息和推荐权重信息输入至模型中进行潜在兴趣内容推荐分析。对用户进行应答内容的补充和扩展,为用户提供更为个性化和符合潜在兴趣的推荐内容,帮助用户更详细的理解询问内容。
图2为本发明一实施例提供的智能应答流程图;
如图2所示,本发明提供了智能应答流程图,包括:
S202,获取用户询问信息,分析用户的询问语义倾向,并进行用户需求分析;
S204,分析用户的需求倾向,通过用户询问信息进行应答信息初步检索;
S206,根据用户询问信息分析相似人群,并通过相似人群的历史应答对初步检索信息进行筛选,将相同类型的应答进行聚类,得到初始应答推荐信息;
S208,评估各初始应答内容的推荐优先级,作为推荐权重;
S210,将所述初始应答推荐信息和优先级评估信息输入至应答模型中进行应答推荐,结合推荐权重生成最终推荐内容;
S212,对目标用户进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐,对目标用户询问内容进行内容补充和扩展。
进一步的,获取用户询问历史信息,对所述用户询问历史信息进行特征提取,得到历史询问特征信息;预设内容标签,基于聚类算法结合历史询问特征信息进行聚类分析,分析用户历史询问内容类别,得到历史询问内容类别信息;根据所述历史询问内容类别信息提取各询问内容类别的询问次数,作为知识薄弱点分析指标,并与预设阈值进行判断,得到薄弱知识分析信息;根据薄弱知识分析信息结合专利标准融合数据库进行知识补充方案制定,得到知识补充方案信息;根据所述知识补充方案信息对目标用户进行知识培训;获取知识培训监测信息,将所述知识培训监测与预设阈值进行判断,分析目标用户的培训情况,得到培训情况分析信息;根据所述培训情况分析信息提取判断目标用户的知识掌握程度,判断目标用户培训后的知识薄弱点,得到知识掌握程度分析信息;根据所述知识掌握程度分析信息调整掌握知识点和薄弱知识点的培训内容推荐权重,动态调整培训内容,提高用户的专业知识掌握度,从而提高用户的专利知识储备和工作效率。
图3为本发明一实施例提供的一种专利标准融合系统的分析系统框图,一种专利标准融合系统的分析系统3包括:存储器31、处理器32,所述存储器31中包含专利标准融合系统的分析方法程序,所述专利标准融合系统的分析方法程序被所述处理器32执行时实现如下步骤:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息;
根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库;
获取用户询问信息,根据所述用户询问信息进行用户需求分析,得到用户需求分析信息;
构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答;
根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐。
本发明一实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括适用于无线充电器的智能控制方法程序,所述适用于无线充电器的智能控制方法程序被处理器执行时,实现上述任一项所述的无线充电器的智能控制方法的步骤。
需要说明的是,本发明提供了一种专利标准融合系统的分析方法、系统及存储介质,首先,对专利标准信息和专利资源信息进行分类,将专利标准信息和专利资源信息进行整理,同时,根据分类结果信息进行关联性分析,对不同分类的信息之间的关联性进行评估,以确定它们之间的关联程度,基于关联性分析的结果,构建资源主题域和专利标准主题域,资源主题域包含专利资源的相关信息,而专利标准主题域则包括与专利标准相关的信息。然后,构建专利标准融合数据库,以便于后续的检索和应答。接着,获取用户询问信息,对该信息进行用户需求分析,以得到用户需求分析信息。包括对用户提问的主题、关键词、以及问题类型进行分析,从而理解用户的具体需求,分析用户希望回答的类型和内容。构建智能应答模型,根据用户需求分析信息进行目标检索和智能应答。通过结合用户需求分析信息和专利标准融合数据库,实现对用户提问的智能检索和应答,提供更准确、有针对性的答案。最后,根据用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐,根据用户的兴趣和查询行为,为用户推荐可能感兴趣的内容,从而对用户进行应答内容的补充和扩展,为用户提供更为个性化和符合潜在兴趣的推荐内容,帮助用户更详细的理解询问内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的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。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种专利标准融合系统的分析方法,其特征在于,包括:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息;
根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库;
获取用户询问信息,根据所述用户询问信息进行用户需求分析,得到用户需求分析信息;
构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答;
根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐。
2.根据权利要求1所述的一种专利标准融合系统的分析方法,其特征在于,所述对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息,具体包括:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息进行数据清洗和数据预处理;
提取所述专利标准信息中各专利标准的归属地特征,结合聚类算法进行预分类,得到预分类信息;
基于自然语言处理技术对所述预分类信息进行语义分析,提取各类别下的专利标准信息的关键词特征,根据提取的关键词特征分析不同专利标准的内容语义,得到内容语义分析信息;
预设类别标签,计算所述内容语义分析信息与所述类别标签的曼哈顿距离,根据计算得到的曼哈顿距离进行类别细分,得到第一分类信息;
对所述专利资源信息进行关键词提取,得到关键词特征信息,基于随机森林算法构建属性分析模型,输入所述关键词特征信息对各专利资源进行属性分析,得到属性分析信息;
基于专家分析法设定专利资源作用评估权重,结合属性分析信息对各专利资源进行作用分析,并根据分析结果生成作用类别对各专利资源进行分类,得到第二分类信息;
结合第一分类信息和第二分类信息构成分类结果信息。
3.根据权利要求1所述的一种专利标准融合系统的分析方法,其特征在于,所述根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库,具体包括:
获取分类结果信息,计算第一分类信息各类别之间的余弦相似度,计算第二分类信息各类别之间的余弦相似度,分别构成第一相似网络和第二相似网络;
基于K-means聚类算法结合第一相似网络和第二相似网络构建若干个主题域,得到主题域集合信息,包括资源主题域集合和专利标准主题域集合;
基于马氏距离算法,计算各主题域集合内部的马氏距离以及不同集合的主题域之间的马氏距离,作为关联性分析指标,得到马氏距离信息;
预设若干关联性判断阈值,将所述马氏距离信息与所述关联性判断阈值进行判断,分析集合内部主题域之间的关联程度及集合内部主题域与集合外部主题域之间的关联程度,得到关联性分析信息;
根据主题域集合信息、关联性分析信息和分类结果信息构建专利标准融合数据库。
4.根据权利要求1所述的一种专利标准融合系统的分析方法,其特征在于,所述根据所述用户询问信息进行用户需求分析,得到用户需求分析信息,具体包括:
获取用户询问信息,对所述用户询问信息进行文本处理,得到文本处理信息;
使用词嵌入模型对所述文本处理信息进行特征提取,将每个词映射为词向量并进行序列化处理,得到文本特征信息;
结合注意力机制计算每个特征的注意力分数,作为语义倾向判断指标,并进行排序,得到语义倾向分析信息;
基于BiLSTM结合CRF构建用户需求分析模型,所述用户需求分析模型包括实体识别层、意图分析层、需求分析层;
将所述语义倾向分析信息和文本特征信息输入至所述用户需求分析模型中进行用户需求分析;
所述实体识别层根据输入的文本特征信息进行序列建模,获取每个词的上下文信息,通过CRF对词序列进行标注,并进行实体识别,得到实体识别信息;
将文本特征信息、语义倾向分析信息输入至意图分析层,计算所述文本特征信息与预设意图标签的曼哈顿距离,并与预设阈值进行判断,得到初步意图分析信息;
将语义倾向分析信息作为权重对所述初步意图分析信息进行加权计算,得到意图分析结果信息;
将所述意图分析结果信息和实体识别信息输入至所述需求分析层进行用户需求分析,得到用户需求分析信息。
5.根据权利要求1所述的一种专利标准融合系统的分析方法,其特征在于,所述构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答,具体包括:
构建智能应答模型,包括信息检索模型和应答模型,所述信息检索模型与专利标准融合数据库相关联;
获取用户需求分析信息,对所述用户需求分析信息进行特征提取,根据提取的特征计算与历史检索用户的相似度,得到相似人群信息;
预设用户需求偏向分析规则,结合所述用户需求分析信息分析用户的需求偏向,判断用户需求偏向是疑问解答还是信息查找,得到用户需求倾向分析信息;
将用户需求分析信息和相似人群信息输入至信息检索模型进行信息检索,得到检索结果信息;
根据相似人群信息获取历史应答信息,结合所述检索结果信息进行应答筛选,基于聚类算法对筛选结果进行聚类,将各筛选结果聚类成多个集群,得到初始应答推荐信息;
提取各集群内的历史应答的采用次数,作为优先级指标,评估各集群内的应答内容的推荐优先级,得到优先级评估信息;
基于随机森林算法搭建应答模型,将所述初始应答推荐信息和优先级评估信息输入至应答模型中进行应答推荐,将所述用户需求分析信息作为目标向量,根据所述初始应答推荐信息生成推荐向量;
计算目标向量和推荐向量的皮尔逊相似度和欧氏距离,作为衡量推荐向量与目标向量的匹配度,并与预设阈值进行判断,得到候选应答推荐信息;
将所述优先级评估信息作为推荐权重,对所述候选应答推荐信息进行加权计算,得到最终应答推荐信息,根据所述最终应答推荐信息对目标用户进行智能应答。
6.根据权利要求1所述的一种专利标准融合系统的分析方法,其特征在于,所述根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐,具体包括:
获取用户询问信息,对所述询问信息进行关键词特征提取,得到用户询问特征信息;
预设兴趣标签,根据所述用户询问特征信息进行用户偏好分析,计算用户询问特征信息与所述兴趣标签的欧氏距离,并与预设阈值进行判断,得到用户偏好分析信息;
获取主题域集合信息,结合所述用户偏好分析信息进行主题域偏好分析,计算用户偏好分析信息与主题域集合信息中各集合的相似度,得到用户偏好主题域信息;
获取关联性分析信息,结合用户偏好主题域信息进行潜在兴趣分析,分析用户的潜在兴趣主题域,得到潜在兴趣主题域信息;
根据所述用户偏好分析信息和用户询问特征信息设定推荐权重,通过用户偏好分析信息提取用户的兴趣标签,计算各兴趣标签对应的特征数量,并按照特征数量进行排序,根据排序结果设定推荐权重,得到推荐权重信息;
构建潜在兴趣内容推荐模型,将所述用户偏好分析信息、潜在兴趣主题域信息和推荐权重信息输入至模型中进行潜在兴趣内容推荐分析,得到潜在兴趣内容推荐信息;
根据所述潜在兴趣内容推荐信息对用户进行应答内容补充和内容扩展。
7.一种专利标准融合系统的分析系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包含专利标准融合系统的分析方法程序,所述专利标准融合系统的分析方法程序被所述处理器执行时实现如下步骤:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息;
根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库;
获取用户询问信息,根据所述用户询问信息进行用户需求分析,得到用户需求分析信息;
构建智能应答模型,根据所述用户需求分析信息进行目标检索和智能应答;
根据所述用户询问信息进行潜在兴趣分析,根据分析结果进行潜在兴趣内容推荐。
8.根据权利要求7所述的一种专利标准融合系统的分析系统,其特征在于,所述对所述专利标准信息和专利资源信息分别进行数据分类,得到分类结果信息,具体包括:
获取专利标准信息和专利资源信息,对所述专利标准信息和专利资源信息进行数据清洗和数据预处理;
提取所述专利标准信息中各专利标准的归属地特征,结合聚类算法进行预分类,得到预分类信息;
基于自然语言处理技术对所述预分类信息进行语义分析,提取各类别下的专利标准信息的关键词特征,根据提取的关键词特征分析不同专利标准的内容语义,得到内容语义分析信息;
预设类别标签,计算所述内容语义分析信息与所述类别标签的曼哈顿距离,根据计算得到的曼哈顿距离进行类别细分,得到第一分类信息;
对所述专利资源信息进行关键词提取,得到关键词特征信息,基于随机森林算法构建属性分析模型,输入所述关键词特征信息对各专利资源进行属性分析,得到属性分析信息;
基于专家分析法设定专利资源作用评估权重,结合属性分析信息对各专利资源进行作用分析,并根据分析结果生成作用类别对各专利资源进行分类,得到第二分类信息;
结合第一分类信息和第二分类信息构成分类结果信息。
9.根据权利要求7所述的一种专利标准融合系统的分析系统,其特征在于,所述根据所述分类结果信息进行关联性分析,根据分析结果分别构建资源主题域和专利标准主题域,并构建专利标准融合数据库,具体包括:
获取分类结果信息,计算第一分类信息各类别之间的余弦相似度,计算第二分类信息各类别之间的余弦相似度,分别构成第一相似网络和第二相似网络;
基于K-means聚类算法结合第一相似网络和第二相似网络构建若干个主题域,得到主题域集合信息,包括资源主题域集合和专利标准主题域集合;
基于马氏距离算法,计算各主题域集合内部的马氏距离以及不同集合的主题域之间的马氏距离,作为关联性分析指标,得到马氏距离信息;
预设若干关联性判断阈值,将所述马氏距离信息与所述关联性判断阈值进行判断,分析集合内部主题域之间的关联程度及集合内部主题域与集合外部主题域之间的关联程度,得到关联性分析信息;
根据主题域集合信息、关联性分析信息和分类结果信息构建专利标准融合数据库。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括适用于专利标准融合系统的分析方法程序,所述适用于专利标准融合系统的分析方法程序被处理器执行时,实现如权利要求1至6中任一项所述的专利标准融合系统的分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410100945.4A CN117668236B (zh) | 2024-01-25 | 2024-01-25 | 一种专利标准融合系统的分析方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410100945.4A CN117668236B (zh) | 2024-01-25 | 2024-01-25 | 一种专利标准融合系统的分析方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117668236A true CN117668236A (zh) | 2024-03-08 |
CN117668236B CN117668236B (zh) | 2024-04-16 |
Family
ID=90079147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410100945.4A Active CN117668236B (zh) | 2024-01-25 | 2024-01-25 | 一种专利标准融合系统的分析方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117668236B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834668A (zh) * | 2015-03-13 | 2015-08-12 | 浙江奇道网络科技有限公司 | 基于知识库的职位推荐系统 |
CN109710752A (zh) * | 2018-12-27 | 2019-05-03 | 江苏阳光惠远知识产权运营有限公司 | 一种知识产权运营服务系统 |
CN112434151A (zh) * | 2020-11-26 | 2021-03-02 | 重庆知识产权大数据研究院有限公司 | 一种专利推荐方法、装置、计算机设备及存储介质 |
CN112686042A (zh) * | 2021-01-11 | 2021-04-20 | 重庆摩托车(汽车)知识产权信息中心 | 基于主题驱动的专利推荐方法、系统、设备及存储介质 |
US20210191509A1 (en) * | 2019-12-19 | 2021-06-24 | Boe Technology Group Co., Ltd. | Information recommendation method, device and storage medium |
CN113779264A (zh) * | 2021-08-29 | 2021-12-10 | 北京工业大学 | 基于专利供需知识图谱的交易推荐方法 |
CN116523320A (zh) * | 2023-07-04 | 2023-08-01 | 山东省标准化研究院(Wto/Tbt山东咨询工作站) | 基于互联网大数据的知识产权风险智能分析方法 |
CN116596612A (zh) * | 2023-04-23 | 2023-08-15 | 北京海致科技集团有限公司 | 一种基于数据融合的数据管理系统 |
CN116932736A (zh) * | 2023-07-18 | 2023-10-24 | 齐鲁工业大学(山东省科学院) | 一种基于用户需求结合倒排表的专利推荐方法 |
CN117390274A (zh) * | 2023-10-19 | 2024-01-12 | 华南理工大学 | 基于多源公开数据的企业专利推荐系统 |
-
2024
- 2024-01-25 CN CN202410100945.4A patent/CN117668236B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834668A (zh) * | 2015-03-13 | 2015-08-12 | 浙江奇道网络科技有限公司 | 基于知识库的职位推荐系统 |
CN109710752A (zh) * | 2018-12-27 | 2019-05-03 | 江苏阳光惠远知识产权运营有限公司 | 一种知识产权运营服务系统 |
US20210191509A1 (en) * | 2019-12-19 | 2021-06-24 | Boe Technology Group Co., Ltd. | Information recommendation method, device and storage medium |
CN112434151A (zh) * | 2020-11-26 | 2021-03-02 | 重庆知识产权大数据研究院有限公司 | 一种专利推荐方法、装置、计算机设备及存储介质 |
CN112686042A (zh) * | 2021-01-11 | 2021-04-20 | 重庆摩托车(汽车)知识产权信息中心 | 基于主题驱动的专利推荐方法、系统、设备及存储介质 |
CN113779264A (zh) * | 2021-08-29 | 2021-12-10 | 北京工业大学 | 基于专利供需知识图谱的交易推荐方法 |
CN116596612A (zh) * | 2023-04-23 | 2023-08-15 | 北京海致科技集团有限公司 | 一种基于数据融合的数据管理系统 |
CN116523320A (zh) * | 2023-07-04 | 2023-08-01 | 山东省标准化研究院(Wto/Tbt山东咨询工作站) | 基于互联网大数据的知识产权风险智能分析方法 |
CN116932736A (zh) * | 2023-07-18 | 2023-10-24 | 齐鲁工业大学(山东省科学院) | 一种基于用户需求结合倒排表的专利推荐方法 |
CN117390274A (zh) * | 2023-10-19 | 2024-01-12 | 华南理工大学 | 基于多源公开数据的企业专利推荐系统 |
Non-Patent Citations (2)
Title |
---|
方初墩;: "专利与标准融合的思考", 机械工业标准化与质量, no. 12, 15 December 2014 (2014-12-15) * |
李欢;: "个性化搜索引擎中关键词推荐专利技术综述", 科技创新与应用, no. 05, 18 February 2017 (2017-02-18) * |
Also Published As
Publication number | Publication date |
---|---|
CN117668236B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635273B (zh) | 文本关键词提取方法、装置、设备及存储介质 | |
CN109471944B (zh) | 文本分类模型的训练方法、装置及可读存储介质 | |
CN111191122A (zh) | 一种基于用户画像的学习资源推荐系统 | |
CN109308319B (zh) | 文本分类方法、文本分类装置和计算机可读存储介质 | |
CN112800170A (zh) | 问题的匹配方法及装置、问题的回复方法及装置 | |
CN108038208B (zh) | 上下文信息识别模型的训练方法、装置和存储介质 | |
CN111428028A (zh) | 基于深度学习的信息分类方法及相关设备 | |
CN112015928A (zh) | 多媒体资源的信息提取方法、装置、电子设备及存储介质 | |
CN111538818A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
CN112215629B (zh) | 基于构造对抗样本的多目标广告生成系统及其方法 | |
CN114491079A (zh) | 知识图谱构建和查询方法、装置、设备和介质 | |
CN114722198A (zh) | 产品分类编码确定方法、系统及相关装置 | |
CN117668236B (zh) | 一种专利标准融合系统的分析方法、系统及存储介质 | |
CN111460114A (zh) | 检索方法、装置、设备及计算机可读存储介质 | |
CN115577080A (zh) | 一种问题回复匹配方法、系统、服务器及存储介质 | |
CN113177164B (zh) | 基于大数据的多平台协同新媒体内容监控管理系统 | |
CN114528908A (zh) | 网络请求数据分类模型训练方法、分类方法及存储介质 | |
CN114610744A (zh) | 一种数据查询方法、装置及计算机可读存储介质 | |
CN114580955A (zh) | 一种政策推荐方法、系统、装置及存储介质 | |
CN114372145A (zh) | 一种基于知识图谱平台的运维资源动态分配的调度方法 | |
CN113095073A (zh) | 语料标签生成方法、装置、计算机设备和存储介质 | |
CN111291182A (zh) | 热点事件发现方法、装置、设备及存储介质 | |
CN116244496B (zh) | 一种基于产业链的资源推荐方法 | |
CN109977301A (zh) | 一种用户使用习惯挖掘方法 | |
CN115982646B (zh) | 一种基于云平台的多源测试数据的管理方法及系统 |
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 |