本发明专利技术公开了一种学术合作关系推荐方法、电子设备、装置及存储介质。其中，该方法包括：接收待查询学术特征，待查询学术特征中包括作者或关键字中至少一个；将待查询学术特征输入至训练后的学术合作关系模型，得到学术合作匹配度集合；将目标学术合作匹配度对应的其他学术客体确定为待查询学术特征的学术合作推荐客体并显示。本发明专利技术能够发现学术界的合作关系，将大量学术资源充分使用，从而提升了学术界的科研效率。界的科研效率。界的科研效率。
【技术实现步骤摘要】
一种学术合作关系推荐方法、电子设备、装置及存储介质
[0001]本申请涉及大数据分析领域，尤其涉及一种学术合作关系推荐方法、电子设备、装置及存储介质。
技术介绍
[0002]在知识经济时代，学者在科技创新方面扮演着重要角色，而科研合作有利于知识的共享，学者在将自己的知识和经验共享的同时，也有可能给彼此带来创作的灵感，因此科研合作对于技术创新有重要的作用。
[0003]在相关技术中，学术合作数据繁多复杂，其中蕴含有大量有价值的信息，如何发现和推荐潜在的学术合作关系却很困难。
技术实现思路
[0004]本申请提供了一种学术合作关系推荐方法、电子设备、装置及存储介质，用于发现学术界的合作关系，能够将大量学术资源充分使用，从而提升了学术界的科研效率。
[0005]第一方面，本申请提供了学术合作关系推荐方法，包括：接收待查询学术特征，该待查询学术特征中包括作者或关键字中至少一个；将该待查询学术特征输入至训练后的学术合作关系模型，得到学术合作匹配度集合，该学术合作匹配度集合中包括多个其他学术客体分别与该待查询学术特征之间的学术合作匹配度；其中，一个其他学术客体为与该待查询学术特征同领域的一个作者、论文或机构，一个学术合作匹配度用于表示一个其他学术客体与该待查询学术特征之间的关联程度；将目标学术合作匹配度对应的其他学术客体确定为该待查询学术特征的学术合作推荐客体并显示，该目标学术合作匹配度为该学术合作匹配度集合中高于设定匹配度阈值的学术合作匹配度。
[0006]通过采用上述技术方案，获取多个待查询学术特征后将其输入至学术关系合作模型，得到能够得到多个其他学术客体分别与该待查询学术特征之间的学术合作匹配度集合，并将具有高学术合作匹配度的其他学术客体显示，以便寻找适合进行学术合作的学术客体，有效利用了学术资源，提高了科研效率。
[0007]结合第一方面的一些实施例，在一些实施例中，在该接收待查询学术特征的步骤之前，还包括：获取学术合作数据；根据该学术合作数据训练学术合作关系模型。
[0008]采用上述方案，能够通过学术库获取学术合作数据，从而准确建立学术合作关系模型，为推荐学术合作关系奠定了基础。
[0009]结合第一方面的一些实施例，在另一些实施例中，在该获取学术合作数据步骤之后，还包括：对该学术合作数据进行预处理；该预处理包括对该学术合作数据的去重和校正。
[0010]采用上述方案，能够将获取的学术合作数据进行去重和校正，将获取的数据进一步加工，去除了无用数据并修正了错误数据，简化了学术合作关系模型的建立。
[0011]结合第一方面的一些实施例，在另外一些实施例中，该根据该学术合作数据训练
学术合作关系模型步骤，包括：基于该学术合作数据中各学术客体间的合作频率，确定模型训练集；基于该模型训练集，训练得到该学术合作关系模型。
[0012]采用上述方案，能够从大量学术合作数据内的来选取群体间的合作频率来构建学术合作关系模型，使得构建出的学术合作关系模型能够更准确地预测学术客体间的学术合作潜力。
[0013]结合第一方面的一些实施例，在另一些实施例中，该将该待查询学术特征输入至训练后的学术合作关系模型，得到学术合作匹配度集合的步骤，包括：将该待查询学术特征输入至训练后的学术合作关系模型，基于该学术合作关系模型的内置算法构建学术关系网络图像；该学术关系网络图像用于展示与该待查询学术特征相关联的其他学术客体之间的关系与合作规律；分析该学术关系网络图像中与该待查询学术特征相关联的其他学术客体，计算得出学术合作匹配度集合。
[0014]采用上述方案，学术合作模型建立后，输入待查询学术特征至学术合作模型可以构建学术关系网络图像来反映其他学术客体与其的关联紧密程度。
[0015]结合第一方面的一些实施例，在另外一些实施例中，该分析该学术关系网络图像中与该待查询学术特征相关联的该其他学术客体，计算得出学术合作匹配度集合步骤，包括：基于该学术关系网络图像，计算与该待查询学术特征相关联的该其他学术客体和该待查询学术特征的距离，得出第一融合信息；基于该学术关系网络图像，计算与该待查询学术特征相关联的该其他学术客体和该待查询学术特征的交叉数量，得出第二融合信息；基于该第一融合信息与该第二融合信息，计算得出学术合作匹配度集合。
[0016]采用上述方案，基于学术关系网络图像中待查询学术特征与其他学术客体间的距离与交叉数量融合得出学术合作匹配度集合，直观地反映了待查询学术特征与其他学术客体的关联紧密度。
[0017]结合第一方面的一些实施例，在另一些实施例中，该将目标学术合作匹配度对应的其他学术客体确定为该待查询学术特征的学术合作推荐客体并显示，具体包括：基于历史查询记录中各学术特征出现的频率，确定该第一学术特征的第一权重占比和该第二学术特征的第二权重占比；基于该第一权重占比确定该第一学术特征的第一目标匹配度阈值，该第一权重占比与该第一目标匹配度阈值呈正比例关系；基于该第二权重占比确定该第二学术特征的第二目标匹配度阈值，该第二权重占比与该第二目标匹配度阈值呈正比例关系；在该第一权重占比高于该第二权重占比的情况下，该第一目标匹配度阈值高于该设定匹配度阈值，该第二目标匹配度阈值不高于该设定匹配度阈值；将目标学术客体确定为该待查询学术特征的学术合作推荐客体并显示，该目标学术客体为该学术合作匹配度集合中对应于第一学术特征的学术合作匹配度大于该第一目标匹配度阈值且对应于第二学术特征的学术合作匹配度大于该第二目标匹配度阈值的其他学术客体。
[0018]采用上述方案，能够精确地赋予每个不同学术特征以动态权重，智能地计算出学术合作关系推荐信息，提高了推荐系统的有效性与可靠性。
[0019]第二方面，本申请实施例提供了一种学术合作推荐装置，该学术合作推荐装置包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该学术合作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。
[0020]第三方面，本申请实施例提供一种电子设备，包括一个或多个处理器和存储器；存储器与所述一个或多个处理器耦合，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电子设备执行如第一方面以及第一方面中任一项所描述的方法。
[0021]第四方面，本申请实施例提供一种计算机可读存储介质包括指令，当上述指令在上述电子设备上运行时，使得上述电子设备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。
[0022]综上所述，本申请包括以下至少三种有益技术效果：1.本专利技术能够接收不同学术特征，将不同学术特征输入至预先训练好的学术关系合作模型，学术合作关系模型根据输入的学术特征预测高学术合作匹配度对象，能够快速达成学术合作，节省了学术资源，加快了科技的进步；2.本专利技术能够根据训本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种学术合作关系推荐方法，其特征在于，包括以下步骤：接收待查询学术特征，所述待查询学术特征中包括作者或关键字中至少一个；将所述待查询学术特征输入至训练后的学术合作关系模型，得到学术合作匹配度集合，所述学术合作匹配度集合中包括多个其他学术客体分别与所述待查询学术特征之间的学术合作匹配度；其中，一个其他学术客体为与所述待查询学术特征同领域的一个作者、论文或机构，一个学术合作匹配度用于表示一个其他学术客体与所述待查询学术特征之间的关联程度；将目标学术合作匹配度对应的其他学术客体确定为所述待查询学术特征的学术合作推荐客体并显示，所述目标学术合作匹配度为所述学术合作匹配度集合中高于设定匹配度阈值的学术合作匹配度。2.根据权利要求1所述的一种学术合作关系推荐方法，其特征在于，在所述接收待查询学术特征的步骤之前，还包括：获取学术合作数据；根据所述学术合作数据训练学术合作关系模型。3.根据权利要求2所述的一种学术合作关系推荐方法，其特征在于，在所述获取学术合作数据步骤之后，还包括：对所述学术合作数据进行预处理；所述预处理包括对所述学术合作数据的去重和校正。4.根据权利要求2所述的一种学术合作关系推荐方法，其特征在于，所述根据所述学术合作数据训练学术合作关系模型步骤，包括：基于所述学术合作数据中各学术客体间的合作频率，确定模型训练集；基于所述模型训练集，训练得到所述学术合作关系模型。5.根据权利要求1所述的一种学术合作关系推荐方法，其特征在于，所述将所述待查询学术特征输入至训练后的学术合作关系模型，得到学术合作匹配度集合的步骤，包括：将所述待查询学术特征输入至训练后的学术合作关系模型，基于所述学术合作关系模型的内置算法，构建学术关系网络图像；所述学术关系网络图像用于展示与所述待查询学术特征相关联的其他学术客体之间的关系与合作规律；分析所述学术关系网络图像中与所述待查询学术特征相关联的其他学术客体，计算得出学术合作匹配度集合。6.根据权利要求5所述的一种学术合作关系推荐方法，其特征在于，所述分析所述学术关系网络图像中与所述待查询学术特征相关联的其他学术客体，计算得出学术合作匹配度集合步骤，包括：基于所述学术关系网络图像，计算与所述待查询学术特征相关联的其他学术客体和所述待查询学术特征的距离，得出第一融合信息；基于所述学术关系网络图像，计算与所述待查询学术特征相关联的其他学术客体和所述待查询学术特征的交叉数量，得出第二融合信息；基于所述第一融合信息与所述第二融合信息，计算得出学术合作匹...
【专利技术属性】
技术研发人员：冯鹏，汤静怡，陈培林，何娅娅，
申请(专利权)人：企知道科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。