一种基于人工智能的科技成果管理业务服务系统及方法技术方案

本发明专利技术提供了一种基于人工智能的科技成果管理业务服务系统及方法，其中方法包括：对科技成果文档进行聚类，以得到多个聚类簇，并计算各所述聚类簇的样本均值向量；在得到待匹配数据时，根据该待匹配数据与各所述样本均值向量之间的余弦距离，从各所述聚类簇中选取目标聚类簇；从所述目标聚类簇中选取与所述待匹配数据相匹配的目标数据。本发明专利技术的技术方案，不仅可以提高科技成果管理业务服务系统的数据查询的准确性，而且还能够提高查询的工作效率。率。率。

【技术实现步骤摘要】
一种基于人工智能的科技成果管理业务服务系统及方法


[0001]本专利技术涉及业务服务
，特别是涉及一种基于人工智能的科技成果管理业务服务系统及方法。

技术介绍

[0002]科技成果是指通过科学研究与技术开发所产生的具有实用价值的成果，是人们在科学技术活动中通过复杂的智力劳动所得出的具有某种被公认的学术或者经济价值的知识产品。为了对科技成果进行管理，可以建立科技成果业务服务管理系统，以对科技成果进行记录和保存，并提供相应的访问接口，以供用户通过用户终端对科技成果进行查询和分析。
[0003]目前，在对科技成果业务服务管理系统进行查询时，常见的查询方式包括根据科技成果查询对应的技术需求，或者根据技术需求查询对应的科技成果。现有技术中常用的查询方法是对用户输入的技术需求或者科技成果进行语义识别，然后从科技成果业务服务管理系统中查询对应的科技成果或者技术需求。但是科技成果业务服务管理系统中的数据量比较大，上述查询方式存在准确性差、工作效率低的问题。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于人工智能的科技成果管理业务服务系统及方法，能够解决对科技成果业务服务管理系统进行查询时存在的准确性差、工作效率低的问题。
[0005]具体地，本专利技术提供了一种基于人工智能的科技成果管理业务服务方法，包括：对科技成果文档进行聚类，以得到多个聚类簇，并计算各所述聚类簇的样本均值向量；在得到待匹配数据时，根据该待匹配数据与各所述样本均值向量之间的余弦距离，从各所述聚类簇中选取目标聚类簇；从所述目标聚类簇中选取与所述待匹配数据相匹配的目标数据。
[0006]根据本专利技术的一个实施例，所述的对科技成果文档进行聚类，包括：获取预训练BERT模型，并采用所述预训练BERT模型获取所述科技成果文档的文本向量；采用K均值聚类算法对所述科技成果文档进行聚类，以得到所述聚类簇。
[0007]根据本专利技术的一个实施例，所述的获取预训练BERT模型，包括：获取在先BERT模型，并采用所述在先BERT模型识别出所述科技成果文档中的异常数据；将所述异常数据删除后，采用所述科技成果文档中剩余的数据调整所述在先BERT模型，以得到所述预训练BERT模型。
[0008]根据本专利技术的一个实施例，所述的采用所述在先BERT模型识别出所述科技成果文
档中的异常数据，包括：采用所述在先BERT模型获取所述科技成果文档的初始文本向量；根据所述初始文本向量，采用K均值聚类算法对所述科技成果文档进行聚类，以得到多个初始聚类簇；根据各所述初始聚类簇的样本方差识别出所述异常数据。
[0009]根据本专利技术的一个实施例，在所述采用所述在先BERT模型识别出所述科技成果文档中的异常数据后，还包括：获取异常数据分类模型；采用上述异常数据分类模型对科技成果文档中的异常数据进行分类处理。
[0010]根据本专利技术的一个实施例，所述科技成果管理业务服务方法还包括：获取科技成果转化政策匹配模型；采用所述科技成果转化政策匹配模型，获取对应的科技成果转化政策。
[0011]根据本专利技术的一个实施例，所述科技成果转化政策匹配模型为基于自然语言分析的智能匹配模型。
[0012]根据本专利技术的一个实施例，所述科技成果转化政策匹配模型为基于协同过滤算法的政策匹配模型。
[0013]根据本专利技术的一个实施例，所述科技成果转化政策匹配模型为基于知识图谱的智能匹配模型。
[0014]另一方面，本专利技术还提供了一种基于人工智能的科技成果管理业务服务系统，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的机器可执行程序，并且所述处理器执行所述机器可执行程序时，实现根据上述任意一项实施例所述的基于人工智能的科技成果管理业务服务方法。
[0015]本专利技术所提供的技术方案，首先对科技成果文档进行聚类，以得到对应的多个聚类簇；然后再根据待匹配数据与各聚类簇的样本均值向量之间的余弦距离，从各聚类簇中选取目标聚类簇；最后再从目标聚类簇中选取对应的目标数据。由于本专利技术的实施方式，在对待匹配数据进行查询处理时，不需要对科技成果管理业务服务系统中的所有数据进行查询，只需从目标聚类簇选取对应的目标数据即可，并且该目标聚类簇是根据待匹配数据与各聚类簇的样本均值向量之间的余弦距离得到的，因此不仅可以提高科技成果管理业务服务系统的数据查询的准确性，而且还能够提高查询的工作效率。
[0016]根据下文结合附图对本专利技术具体实施例的详细描述，本领域技术人员将会更加明了本专利技术的上述以及其他目的、优点和特征。
附图说明
[0017]后文将参照附图以示例性而非限制性的方式详细描述本专利技术的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：图1是根据本专利技术一个实施例的基于人工智能的科技成果管理业务服务方法的示意性流程图；图2是根据本专利技术一个实施例的对科技成果文档进行聚类的示意性流程图；
图3是根据本专利技术一个实施例的获取预训练BERT模型的示意性流程图；图4是根据本专利技术一个实施例的采用在先BERT模型识别出科技成果文档中的异常数据的示意性流程图；图5是根据本专利技术一个实施例的对科技成果文档中异常数据进行分类的示意性流程图；图6是根据本专利技术一个实施例的科技成果转化政策匹配的示意性流程图。
具体实施方式
[0018]下面参照图1至图6来描述本专利技术实施例的基于人工智能的科技成果管理业务服务系统及方法。在本实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或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至少一个该特征，也即包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。当某个特征“包括或者包含”某个或某些其涵盖的特征时，除非另外特别地描述，这指示不排除其它特征和可以进一步包括其它特征。
[0019]在本实施例的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0020]请参阅图1，图1所示出的是本专利技术的一个实施例中的基于人工智能的科技成果管理业务服务方法的示意性流程图，该方法包括如下步骤：步骤S1：对科技成果文档进行聚类，以得到多个聚类簇，并计算各聚类簇的样本均值向量；步骤S2：在得到待匹配数据后，计算该待匹配数据与各聚类簇的样本均值向量之间的余弦距离；步骤S3：根据上述余弦距离从多个聚类簇中选择目标聚类簇，并从该目标聚类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的科技成果管理业务服务方法，其特征在于，包括：对科技成果文档进行聚类，以得到多个聚类簇，并计算各所述聚类簇的样本均值向量；在得到待匹配数据时，根据该待匹配数据与各所述样本均值向量之间的余弦距离，从各所述聚类簇中选取目标聚类簇；从所述目标聚类簇中选取与所述待匹配数据相匹配的目标数据。2.根据权利要求1所述的科技成果管理业务服务方法，其特征在于，所述的对科技成果文档进行聚类，包括：获取预训练BERT模型，并采用所述预训练BERT模型获取所述科技成果文档的文本向量；采用K均值聚类算法对所述科技成果文档进行聚类，以得到所述聚类簇。3.根据权利要求2所述的科技成果管理业务服务方法，其特征在于，所述的获取预训练BERT模型，包括：获取在先BERT模型，并采用所述在先BERT模型识别出所述科技成果文档中的异常数据；将所述异常数据删除后，采用所述科技成果文档中剩余的数据调整所述在先BERT模型，以得到所述预训练BERT模型。4.根据权利要求3所述的科技成果管理业务服务方法，其特征在于，所述的采用所述在先BERT模型识别出所述科技成果文档中的异常数据，包括：采用所述在先BERT模型获取所述科技成果文档的初始文本向量；根据所述初始文本向量，采用K均值聚类算法对所述科技成果文档进行聚类，以得到多个...

【专利技术属性】
技术研发人员：李昊，董广萍，宗红春，段玉珊，董晓琳，王华雨，
申请(专利权)人：河南省科学技术情报中心，
类型：发明
国别省市：