基于深度学习的知识产权个性化推荐方法及系统技术方案

本发明专利技术公开了基于深度学习的知识产权个性化推荐方法及系统，涉及到知识产权管理领域，包括数据库模块、兴趣特征收集模块、知识产权需求模块、预测搜索模块及知识产权内容推荐模块，数据库模块用于联网储存知识产权信息和知识，兴趣特征收集模块用于对目标用户的兴趣特征进行统计收集，并能够进行上传，知识产权需求模块用于对目标用户的当前的知识产权需求种类进行统计并能够进行上传，预测搜索模块用于根据目标用户的兴趣特征和知识产权需求。本发明专利技术能够快速的对向目标用户推荐适合的知识产权资源内容，以供目标用户学习时，符合目标用户的个性化要求，同时节约检索时间，提高目标用户的学习兴趣，便于人们使用。便于人们使用。便于人们使用。

【技术实现步骤摘要】
基于深度学习的知识产权个性化推荐方法及系统


[0001]本专利技术属于知识产权管理
，具体为基于深度学习的知识产权个性化推荐方法及系统。

技术介绍

[0002]随新一轮科技革命和产业变革的快速演进，如何对技术研发现状进行识别并预测未来发展趋势，成为企业技术创新活动关注的热点，企业在技术发展过程中，知识产权的作用愈发凸显，其中，专利在知识产权众多类型中占据重要位置，也是企业之间竞争的关键；知识产权资源包含专利、软著、商标等内容，随着我国创新发展战略的大力实施，知识产权作为一种创新的保护方式，越来越受到企业和用户的重视，面对海量的知识产权数据，掌握知识产权数据中包含的科技知识对推动企业和国家发展有重大意义，在知识产权数据分析过程中，如何方便高效地为目标用户推荐所需知识产权数据是一个值得研究的问题。
[0003]目前，当前对于知识产权数据的检索大多是通过用户搜索，查阅感兴趣的资料，浏览器再呈现搜索结果，但搜索结果匹配度不高，且不能呈现关联、延伸的相关条目，形成检索网，同时现有的推送系统中的知识产权数据划分粗略，大多采用单一的知识产权分类方式进行分类，导致推送系统的个性化水平较低，无法高效获取知识产权资源等一系列问题，因此在知识产权资源检索检索过程中，如何根据用户个性化数据进行针对性的知识产权推荐是亟不可待需要解决的问题。

技术实现思路

[0004]针对上述情况，为克服现有技术的缺陷，本专利技术提供基于深度学习的知识产权个性化推荐方法及系统，有效的解决了目前当前对于知识产权数据的检索大多是通过用户搜索，查阅感兴趣的资料，浏览器再呈现搜索结果，但搜索结果匹配度不高，且不能呈现关联、延伸的相关条目，形成检索网，同时现有的推送系统中的知识产权数据划分粗略，大多采用单一的知识产权分类方式进行分类，导致推送系统的个性化水平较低，无法高效获取知识产权资源等一系列问题，因此在知识产权资源检索检索过程中，如何根据用户个性化数据进行针对性的知识产权推荐是亟不可待需要解决的问题的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于深度学习的知识产权个性化推荐系统，包括数据库模块、兴趣特征收集模块、知识产权需求模块、预测搜索模块及知识产权内容推荐模块，所述数据库模块用于联网储存知识产权信息和知识，所述兴趣特征收集模块用于对目标用户的兴趣特征进行统计收集，并能够进行上传，所述知识产权需求模块用于对目标用户的当前的知识产权需求种类进行统计并能够进行上传，所述预测搜索模块用于根据目标用户的兴趣特征和知识产权需求，预测出目标用户需要学习的知识产权信息知识，并在数据库模块中进行搜索，所述知识产权内容推荐模块能够对搜索的知识产权内容信息进行筛选，并能够将筛选后的知识产权内容信息发送至目标用户。
[0006]优选的，所述数据库模块包括互联网单元和数据发送单元，所述互联网单元用于
进行互联网联网，从而实现知识产权内容信息联网互通并储存，所述数据发送单元用于将需要的知识产权内容信息进行发送。
[0007]优选的，所述兴趣特征收集模块包括目标信息获取单元、兴趣爱好获取单元和预设时间兴趣预测单元，所述目标信息获取单元用于对目标用户的个人身份信息进行获取上传，所述兴趣爱好获取单元用于对目标用户的兴趣爱好特征进行收集获取并进行上传，所述预设时间兴趣预测单元用于将对目标用户在后期预设时间内的兴趣爱好特征进行预测。
[0008]优选的，所述知识产权需求模块包括目标知识产权信息获取单元和目标知识产权需求预测单元，所述目标知识产权信息获取单元用于对目标用户已学习掌握的知识产权内容信息进行获取，并进行上传，所述目标知识产权需求预测单元用于对目标用户需求的知识产权信息内容进行预测。
[0009]优选的，所述预测搜索模块包括整合预测单元、搜索单元和数据接收单元，所述整合预测单元用于根据预设时间兴趣预测单元预测的目标用户兴趣爱好特征和目标知识产权需求预测单元预测的目标用户需求的知识产权信息内容进行整理，并进行综合预测，所述搜索单元用于根据综合预测的知识产权信息内容，在数据库模块中进行联网搜索，所述数据接收单元用于将搜索到的相关知识产权信息内容进行接收。
[0010]优选的，所述知识产权内容推荐模块包括内容筛选单元和内容推荐单元，所述内容筛选单元用于将预测搜索模块搜索接收的知识产权内容进行选择，所述内容推荐单元用于将选择的知识产权内容发送至目标用户终端，供目标用户学习使用。
[0011]基于深度学习的知识产权个性化推荐方法，包括所述的知识产权个性化推荐系统，具体包括以下操作步骤：
[0012]S1、通过兴趣特征收集模块将目标用户的兴趣特征进行统计收集，并将收集的兴趣特征进行上传，同时根据目标用户的当前的兴趣特征，对预设时间内，目标用户的兴趣特征进行预测；
[0013]S2、通过知识产权需求模块对目标用户已学习和了解的知识产权内容进行获取并上传，同时对目标用户目前对知识产权内容的需求种类进行预测；
[0014]S3、通过预测搜索模块，根据目标用户的兴趣特征、预测的兴趣特征、学习的知识产权和预测的知识产权需求，对目标用户需要学习的知识产权信息知识进行综合预测，并在数据库模块中进行搜索相关知识产权内容信息；
[0015]S4、通过知识产权内容推荐模块对搜索到的知识产权内容信息进行筛选，然后将筛选后的知识产权内容信息发送至目标用户终端，以供目标用户学习使用。
[0016]本专利技术的技术效果和优点：
[0017]1、通过兴趣特征收集模块将目标用户的兴趣特征进行统计收集，并将收集的兴趣特征进行上传，同时根据目标用户的当前的兴趣特征，对预设时间内，目标用户的兴趣特征进行预测；通过知识产权需求模块对目标用户已学习和了解的知识产权内容进行获取并上传，同时对目标用户目前对知识产权内容的需求种类进行预测；通过预测搜索模块，根据目标用户的兴趣特征、预测的兴趣特征、学习的知识产权和预测的知识产权需求，对目标用户需要学习的知识产权信息知识进行综合预测，并在数据库模块中进行搜索相关知识产权内容信息；通过知识产权内容推荐模块对搜索到的知识产权内容信息进行筛选，然后将筛选后的知识产权内容信息发送至目标用户终端，以供目标用户学习使用；通过上述推荐系统
和方法，能够快速的对向目标用户推荐适合的知识产权资源内容，以供目标用户学习时，符合目标用户的个性化要求，同时节约检索时间，提高目标用户的学习兴趣，便于人们使用。
附图说明
[0018]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0019]图1为本专利技术的推荐系统架构示意图；
[0020]图2为本专利技术的推荐方法流程示意图。
具体实施方式
[0021]本专利技术提供了如图1
‑
2所示的基于深度学习的知识产权个性化推荐系统，包括数据库模块、兴趣特征收集模块、知识产权需求模块、预测搜索模块及知识产权内容推荐模块，所述数据库本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的知识产权个性化推荐系统，其特征在于：包括数据库模块、兴趣特征收集模块、知识产权需求模块、预测搜索模块及知识产权内容推荐模块，所述数据库模块用于联网储存知识产权信息和知识，所述兴趣特征收集模块用于对目标用户的兴趣特征进行统计收集，并能够进行上传，所述知识产权需求模块用于对目标用户的当前的知识产权需求种类进行统计并能够进行上传，所述预测搜索模块用于根据目标用户的兴趣特征和知识产权需求，预测出目标用户需要学习的知识产权信息知识，并在数据库模块中进行搜索，所述知识产权内容推荐模块能够对搜索的知识产权内容信息进行筛选，并能够将筛选后的知识产权内容信息发送至目标用户。2.根据权利要求1所述的基于深度学习的知识产权个性化推荐系统，其特征在于：所述数据库模块包括互联网单元和数据发送单元，所述互联网单元用于进行互联网联网，从而实现知识产权内容信息联网互通并储存，所述数据发送单元用于将需要的知识产权内容信息进行发送。3.根据权利要求2所述的基于深度学习的知识产权个性化推荐系统，其特征在于：所述兴趣特征收集模块包括目标信息获取单元、兴趣爱好获取单元和预设时间兴趣预测单元，所述目标信息获取单元用于对目标用户的个人身份信息进行获取上传，所述兴趣爱好获取单元用于对目标用户的兴趣爱好特征进行收集获取并进行上传，所述预设时间兴趣预测单元用于将对目标用户在后期预设时间内的兴趣爱好特征进行预测。4.根据权利要求3所述的基于深度学习的知识产权个性化推荐系统，其特征在于：所述知识产权需求模块包括目标知识产权信息获取单元和目标知识产权需求预测单元，所述目标知识产权信息获取单元用于对目标用户已学习掌握的知识产权内容信息进行获取，并进行上传，所述目标知识产权需求预测单元用于对目标用户需求的知识产权信息内容进行预测。5.根...

【专利技术属性】
技术研发人员：陈岳熔，王欣，庄淑晴，
申请(专利权)人：深圳市国高知识产权运营管理有限公司，
类型：发明
国别省市：