[發(fā)明專利]基于知識圖譜的科技服務(wù)推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)有效
| 申請?zhí)枺?/td> | 202110508376.3 | 申請日: | 2021-05-10 |
| 公開(公告)號: | CN113220996B | 公開(公告)日: | 2022-09-27 |
| 發(fā)明(設(shè)計(jì))人: | 孫圣力;徐嘉辰;李青山;司華友 | 申請(專利權(quán))人: | 北京大學(xué);南京博雅區(qū)塊鏈研究院有限公司 |
| 主分類號: | G06F16/9535 | 分類號: | G06F16/9535;G06F16/36;G06F16/951;G06F40/295;G06N3/04;G06N3/08 |
| 代理公司: | 無錫永樂唯勤專利代理事務(wù)所(普通合伙) 32369 | 代理人: | 孫際德 |
| 地址: | 100000*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 知識 圖譜 科技服務(wù) 推薦 方法 裝置 設(shè)備 存儲(chǔ) 介質(zhì) | ||
1.一種基于知識圖譜的科技服務(wù)推薦方法,其特征在于,包括:
獲取科技服務(wù)需求對象的包括有若干流程環(huán)節(jié)的流程文檔,及各所述流程環(huán)節(jié)對應(yīng)的需求文檔;
獲取各所述流程環(huán)節(jié)對應(yīng)的需求文檔的初始關(guān)鍵詞;
使用網(wǎng)絡(luò)爬蟲爬取到各所述流程環(huán)節(jié)的初始科技服務(wù)文檔;
基于命名實(shí)體抽取模型及所述初始科技服務(wù)文檔抽取出所述初始科技服務(wù)文檔所涉及的初始命名實(shí)體;
使用抽取出的初始命名實(shí)體對所述初始關(guān)鍵詞進(jìn)行擴(kuò)充得到各所述流程環(huán)節(jié)對應(yīng)的需求文檔的擴(kuò)充關(guān)鍵詞;
基于所述流程環(huán)節(jié)對應(yīng)的需求文檔的擴(kuò)充關(guān)鍵詞獲得各所述流程環(huán)節(jié)的最終科技服務(wù)文檔;
基于命名實(shí)體抽取模型及所述最終科技服務(wù)文檔抽取出所述最終科技服務(wù)文檔所涉及的擴(kuò)充命名實(shí)體;
基于關(guān)系抽取模型、所述的最終科技服務(wù)文檔及所述擴(kuò)充命名實(shí)體抽取出各所述擴(kuò)充命名實(shí)體之間的關(guān)系;
將所述擴(kuò)充命名實(shí)體及各所述擴(kuò)充命名實(shí)體之間的關(guān)系存儲(chǔ)至圖數(shù)據(jù)庫中以形成知識圖譜;
基于知識圖譜實(shí)施對科技服務(wù)需求對象的科技服務(wù)推薦;
所述獲取各所述流程環(huán)節(jié)對應(yīng)的需求文檔的初始關(guān)鍵詞包括:
采用jieba中文分詞方法對所述流程環(huán)節(jié)對應(yīng)的需求文檔進(jìn)行分詞處理,并剔除其中的停用詞,統(tǒng)計(jì)出高頻詞作為所述初始關(guān)鍵詞;
所述使用網(wǎng)絡(luò)爬蟲爬取到各所述流程環(huán)節(jié)的初始科技服務(wù)文檔包括:
針對各所述流程環(huán)節(jié),使用網(wǎng)絡(luò)爬蟲分別從選定的目標(biāo)網(wǎng)絡(luò)平臺上爬取到若干候選科技服務(wù)文檔;
計(jì)算各所述候選科技服務(wù)文檔與對應(yīng)的需求文檔的初始關(guān)鍵詞之間的相關(guān)度,選擇相關(guān)度大于預(yù)定閾值的所述候選科技服務(wù)文檔作為所述初始科技服務(wù)文檔。
2.如權(quán)利要求1所述的科技服務(wù)推薦方法,其特征在于:
所述候選科技服務(wù)文檔為詞數(shù)少于預(yù)定閾值的短文本,所述計(jì)算各所述候選科技服務(wù)文檔與對應(yīng)的需求文檔的初始關(guān)鍵詞之間的相關(guān)度包括:
采用jieba中文分詞方法對所述候選科技服務(wù)文檔進(jìn)行分詞處理,并剔除其中的停用詞,并統(tǒng)計(jì)出其中的高頻詞作為所述候選科技服務(wù)文檔的關(guān)鍵詞;
使用word2vec模型分別將所述候選科技服務(wù)文檔的關(guān)鍵詞和對應(yīng)的需求文檔的初始關(guān)鍵詞映射為詞向量;
基于所述候選科技服務(wù)文檔和所述需求文檔的初始關(guān)鍵詞的詞向量計(jì)算所述候選科技服務(wù)文檔與所述需求文檔的初始關(guān)鍵詞之間的相關(guān)度。
3.如權(quán)利要求1所述的科技服務(wù)推薦方法,其特征在于:
所述候選科技服務(wù)文檔為詞數(shù)等于或多于預(yù)定閾值的長文本,所述計(jì)算各所述候選科技服務(wù)文檔與對應(yīng)的需求文檔的初始關(guān)鍵詞之間的相關(guān)度包括:
采用LDA模型從所述選科技服務(wù)文檔中抽取出關(guān)鍵詞;
使用word2vec模型分別將所述候選科技服務(wù)文檔的關(guān)鍵詞和對應(yīng)的需求文檔的初始關(guān)鍵詞映射為詞向量;
基于所述候選科技服務(wù)文檔和所述需求文檔的初始關(guān)鍵詞的詞向量計(jì)算所述候選科技服務(wù)文檔與所述需求文檔的初始關(guān)鍵詞之間的相關(guān)度。
4.如權(quán)利要求1所述的科技服務(wù)推薦方法,其特征在于,所述命名實(shí)體抽取模型為BERT-BILSTM-CRF中文命名識別算法模型,
所述基于命名實(shí)體抽取模型及所述初始科技服務(wù)文檔抽取出所述初始科技服務(wù)文檔所涉及的初始命名實(shí)體包括:
構(gòu)建BERT-BILSTM-CRF中文命名識別算法模型;
獲取若干所述初始科技服務(wù)文檔并利用數(shù)據(jù)標(biāo)注平臺對各所述初始科技服務(wù)文檔進(jìn)行BIO標(biāo)注以形成經(jīng)標(biāo)注后的訓(xùn)練樣本集,利用訓(xùn)練樣本集完成對所述BERT-BILSTM-CRF中文命名識別算法模型的訓(xùn)練;
將所述初始科技服務(wù)文檔輸入至訓(xùn)練好的所述BERT-BILSTM-CRF中文命名識別算法模型,以抽取出所述初始科技服務(wù)文檔的初始命名實(shí)體。
5.如權(quán)利要求1所述的科技服務(wù)推薦方法,其特征在于,所述圖數(shù)據(jù)庫為Neo4j圖數(shù)據(jù)庫。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京大學(xué);南京博雅區(qū)塊鏈研究院有限公司,未經(jīng)北京大學(xué);南京博雅區(qū)塊鏈研究院有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/202110508376.3/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 用于圖譜界面的數(shù)據(jù)處理方法及系統(tǒng)
- 用于內(nèi)容特征圖譜化的特征圖譜布局的服務(wù)器及介質(zhì)
- 圖譜的構(gòu)建方法及裝置、電子設(shè)備
- 信息圖譜構(gòu)建方法、裝置及設(shè)備
- 知識圖譜的完善方法及裝置、數(shù)據(jù)處理方法及裝置
- 一種知識圖譜的構(gòu)建方法、裝置、知識圖譜系統(tǒng)及設(shè)備
- 一種基于知識圖譜的故障判別推理方法
- 一種事件圖譜的匹配方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 一種用于創(chuàng)建知識圖譜的計(jì)算機(jī)設(shè)備
- 一種支持增量實(shí)體關(guān)聯(lián)的關(guān)系圖譜計(jì)算方法
- 一種基于SVM的科技服務(wù)業(yè)產(chǎn)出預(yù)測方法
- 一種科技服務(wù)在線與線下統(tǒng)計(jì)管理方法及系統(tǒng)
- 一種基于多元線性回歸的科技服務(wù)業(yè)發(fā)展水平預(yù)測方法
- 基于語義的資源匹配方法
- 以響應(yīng)用戶偏好為核心的科技服務(wù)鏈智能推薦系統(tǒng)及方法
- 用于科技服務(wù)多業(yè)務(wù)的融合計(jì)費(fèi)系統(tǒng)和方法
- 基于聯(lián)盟區(qū)塊鏈科技服務(wù)交易系統(tǒng)及交易方法
- 一種基于區(qū)塊鏈的高可信度科技服務(wù)交易方法
- 面向科技服務(wù)的知識圖譜構(gòu)建方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于知識圖譜的科技服務(wù)推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





