一种产学研用推荐系统及方法技术方案

本发明专利技术公开了一种产学研用推荐系统及方法，涉及产学研用技术领域，该系统包括如下模块；数据采集模块，录入的相关关键词进行数据检索，建立研学资源数据库，并基于数据库进行知识图谱的搭建，形成可视化的图谱模块；数据处理模块；推荐引擎模块；展示模块；以及数据存储模块；将其技术要点为：通过采用推荐系统中各个模块的相互配合，在对数据进行采集和处理的过程中，通过子母数据系统的切换操作，可完成对报错数据的及时处理，同时也能够保证工作过程的正常进行，而后利用配置的过滤式训练模型，结合大数据算法，可有效的完成将对应学习者与对应兴趣模型进行配比，依据不同的配比程度，可有效

【技术实现步骤摘要】
一种产学研用推荐系统及方法


[0001]本专利技术涉及产学研用
，具体为一种产学研用推荐系统及方法
。

技术介绍

[0002]产学研用是一种合作系统工程，字面意思就是生产
、
学习
、
科学研究
、
实践运用的系统合作；学校方面讲，产学研用合作教育就是充分利用学校与企业
、
科研单位等多种不同教学环境和教学资源以及在人才培养方面的各自优势，把以课堂传授知识为主的学校教育与直接获取实际经验
、
实践能力为主的生产
、
科研实践有机结合的教育形式；“用”，主要指“应用”和“用户”，“用”是技术创新的出发点和落脚点，用户直接参与产学研合作，不仅能够减少技术创新的盲目性，缩短新产品从研究开发到进入市场的周期，而且能够有效降低技术创新的风险和成本
。
[0003]在申请公布号为
CN110377815A
的中国专利技术申请中，公开了一种产学研用推荐系统，包括：产学研用数据网络构建模块，用于通过用户的基本数据
、
动态数据
、
社交数据
、
关系数据与搜索
/
浏览数据构建产学研用数据网络；兴趣数据生成模块，用于通过搜索
/
浏览数据生成用户感兴趣的类别属性，然后根据所述基本数据
、
动态数据
、
社交数据
、
关系数据在所述产学研用数据网络中查找该用户可能感兴趣的数据，形成推荐结果；推荐结果推送模块，用于将所述推荐结果推送给所述用户
。
[0004]在以上专利技术申请中，以通过对用户
(
即学习者
)
浏览或搜索数据的方式生成用户的兴趣数据生成模块，对于搜索
、
浏览的内容也并不完全与用户兴趣相关，对于一些无关产学研用的内容也被记录，这些对于推荐内容的把控均是不合理的，也不够全面，系统在使用时，若是一些数据推荐结果若是存在报错问题，则很容易导致系统推荐效率降低，从而影响整体的工作效率
。

技术实现思路

[0005](
一
)
解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种产学研用推荐系统及方法，通过采用推荐系统中各个模块的相互配合，在对数据进行采集和处理的过程中，通过子母数据系统的切换操作，可完成对报错数据的及时处理，同时也能够保证工作过程的正常进行，而后利用配置的过滤式训练模型，结合大数据算法，可有效的完成将对应学习者与对应兴趣模型进行配比，依据不同的配比程度，可有效
、
精准的完成对内容的推荐工作，解决了
技术介绍
中提出的问题
。
[0007](
二
)
技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]一种产学研用推荐系统，该系统包括如下模块；数据采集模块，录入的相关关键词进行数据检索，建立研学资源数据库，并基于数据库进行知识图谱的搭建，形成可视化的图谱模块；
[0010]数据处理模块，将采集到的数据作为对象，根据预先搭建的数据类型大纲进行划分，完成对数据类型的分类处理，针对数据采集模块中输入的不同关键词进行兴趣模型建立，并将整个数据处理过程在子母数据系统中同步进行；
[0011]当出现数据报错的情况时，可完成子母数据系统的切换，并发出预警；
[0012]推荐引擎模块，在配置的过滤式训练模型中进行，利用大数据推荐算法，在兴趣模型中对其中的数据资源和学习者进行相似度配比计算，并根据相似度的百分比大小来判断推荐内容量，该出的大数据推荐算法采用协同过滤推荐算法，包括在线的协同和离线的过滤两部分；其中的在线协同，就是通过在线数据找到用户可能喜欢的物品，而离线过滤，则是指过滤掉一些不值得推荐的数据；
[0013]展示模块，在完成数据推荐后，以图谱模块的形式展示，并利用大数据分析学习者的习惯，以表格或是条形图的形式完成数据展示，最终实现数据资源的推荐操作；
[0014]数据存储模块，其用于对整个系统中的各个模块节点数据进行阶梯式保存
。
[0015]进一步的，在所述数据采集模块中，相关关键词由
AI
模块对学习者所处的领域进行分析后得到，并录入，若是产学方向不同的学习者，则对应的数据检索方向不同，关键词中的相关及其相邻词汇的汇总均处于数据检索的方向上；
[0016]上述研学资源数据库中的数据包含产学方向不同学习者对应下的数据汇总，根据数据汇总后形成的数据库进行知识图谱搭建的具体步骤为：
[0017]首先在数据库中对各个基础数据进行初步分析，得到其对应的实体
、
属性以及类别；
[0018]而后提取各个基础数据的属性，并将其与知识图谱进行对应；
[0019]最后得到与学习者相关联的互动型图谱，在原本研学资源数据库的基础上进行二次编码，对提取后的基础数据作出标记，建立并得到进一步的可视化图谱模块
。
[0020]进一步的，在所述数据处理模块中，若是可视化图谱模块已经针对学习者作出了标记处理，则分类处理的过程可依据标记内容进行划分；若是并未作出标记处理，则按照数据类型大纲进行划分；
[0021]对于兴趣模型的建立是需要使用到分析单元，结合系统运行状态和功能需求，完成对分类后数据的二次分析，分析完成后即可进入执行单元，该执行单元在子母数据系统中进行，在进入推荐引擎模块中进行数据推荐之前完成缓存处理；
[0022]在数据缓存期间得到因分析单元分析得出数据存在报错问题，则母系统停止工作，将存在报错问题的数据再次送入子系统的分析单元进行分析，若是依旧存在报错问题，则进行
n
次切换，且
n≥2
，直至停止报错
。
[0023]进一步的，在所述推荐引擎模块中，配置的过滤式训练模型在使用时需要对对应学习者的信息进行采集，通过调取学习者的档案信息，该档案信息至少包括学习者的年龄
、
学历
、
专业
、
当前从事的职位以及该职位下的具体工作内容，提取得到对应学习者本身对应的实际关键词；
[0024]而后过滤式训练模型将实际关键词和不同的兴趣模型进行相似度对比，得到实际关键词和在兴趣模型中占比的具体化数据；
[0025]在过滤式训练模型内置判断单元的分析下，得到相似度最高的一组兴趣模型，若是配比相似度高于
80
％，则完成对该兴趣模型下的全部内容推荐
。
[0026]若是学习者处于职位数量
≥2
的状态下，即表示该学习者的职位较多，导致其工作内容广泛，在过滤式训练模型中与相似度最高的一组兴趣模型配比低于
60
％，则将不低于
20
％相似度的训练模型进行汇总，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种产学研用推荐系统，其特征在于：该系统包括如下模块；数据采集模块，录入的相关关键词进行数据检索，建立研学资源数据库，并基于数据库进行知识图谱的搭建，形成可视化的图谱模块；数据处理模块，将采集到的数据作为对象，根据预先搭建的数据类型大纲进行划分，完成对数据类型的分类处理，针对数据采集模块中输入的不同关键词进行兴趣模型建立，并将整个数据处理过程在子母数据系统中同步进行；当出现数据报错的情况时，可完成子母数据系统的切换，并发出预警；推荐引擎模块，在配置的过滤式训练模型中进行，利用大数据推荐算法，在兴趣模型中对其中的数据资源和学习者进行相似度配比计算，并根据相似度的百分比大小来判断推荐内容量；展示模块，在完成数据推荐后，以图谱模块的形式展示，并利用大数据分析学习者的习惯，以表格或是条形图的形式完成数据展示，最终实现数据资源的推荐操作
。2.
根据权利要求1所述的一种产学研用推荐系统，其特征在于：在所述数据采集模块中，相关关键词由
AI
模块对学习者所处的领域进行分析后得到，并录入，若是产学方向不同的学习者，则对应的数据检索方向不同，关键词中的相关及其相邻词汇的汇总均处于数据检索的方向上
。3.
根据权利要求2所述的一种产学研用推荐系统，其特征在于：研学资源数据库中的数据包含产学方向不同学习者对应下的数据汇总，根据数据汇总后形成的数据库进行知识图谱搭建的具体步骤为：首先在数据库中对各个基础数据进行初步分析，得到其对应的实体
、
属性以及类别；而后提取各个基础数据的属性，并将其与知识图谱进行对应；最后得到与学习者相关联的互动型图谱，在原本研学资源数据库的基础上进行二次编码，对提取后的基础数据作出标记，建立并得到进一步的可视化图谱模块
。4.
根据权利要求3所述的一种产学研用推荐系统，其特征在于：在所述数据处理模块中，若是可视化图谱模块已经针对学习者作出了标记处理，则分类处理的过程可依据标记内容进行划分；若是并未作出标记处理，则按照数据类型大纲进行划分
。5.
根据权利要求4所述的一种产学研用推荐系统，其特征在于：对于兴趣模型的建立是需要使用到分析单元，结合系统运行状态和功能需求，完成对分类后数据的二次分析，分析完成后即可进入执行单元，该执行单元在子母数据系统中进行，在进入推荐引擎模块中进行数据推荐之前完成缓存处理；在数据缓存期间得到因分析单元分析得出数据存在报错问题，则母系统停止工作，将存在报错问题的数据再次送入子系统的分析单元进行分析，若是依旧存在报错问题，则进行
n
次切换，且
n≥2
，直至停止报错

【专利技术属性】
技术研发人员：李玉芬，张丝雨，蒋鑫，李明启，
申请(专利权)人：苏州椿之硕信息科技有限公司，
类型：发明
国别省市：