一种基于技能向量和图神经网络的企业推荐方法和系统技术方案

本申请的实施例提供了一种基于技能向量和图神经网络的企业推荐方法和系统。该方法包括：收集机器学习行业数据和机器学习行业特定企业数据，进行数据处理和异常值检测，标准化和归一化；通过文本向量化构建反映行业技能现状的特征矩阵A、反映前沿技术趋势的特征矩阵B和反映企业技术能力的特征矩阵C；训练四种模型，LSTM模型，CNN模型，GCN模型，Transformer模型；使用ARIMA模型对招聘技能时间序列数据进行预测，得到预测结果x’n+1，作为行业平均水平基准u；计算MAE并优化模型；科技竞争力指数评分，使用余弦相似度公式计算企业之间的相似度。

【技术实现步骤摘要】

本申请涉及计算机，具体而言，涉及一种基于技能向量和图神经网络的企业推荐方法。

技术介绍

1、随着科技发展的加速，技术竞争越来越激烈，企业在面对日益激烈的技术竞争时，需要及时了解自身的技术能力和市场需求，以制定有效的技术规划和投资决策。因此，需要一种基于技能向量和图神经网络的企业推荐的方法和系统。

2、传统的科技竞争力预测方法大多基于经验判断或统计模型，存在精度低、模型不稳定等问题。本申请提出的科技竞争力预测方法及系统，通过利用自然语言处理、深度学习等技术，将企业的人才流动数据、软件著作杈数据、招聘需求数据等多维数据进行分析和挖掘，从而预测企业的技术竞争力以及未来技术趋势，提高预测的准确性和稳定性。

3、具体而言，本申请提出了一种基于多模型集成的科技竞争力预测方法，包括特征矩阵构建、lstm模型预测现状间的关联、cnn模型预测技术前沿之间的关联、gcn模型学习企业之间的技术关联、transformer模型学习技术需求的长期演变、arima模型建模技能需求总体趋势等步骤。通过对这些模型的加杈平均进行模型集成，以提高预测精度和鲁棒性。...

【技术保护点】

1.一种基于技能向量和图神经网络的企业推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，S110，包括：

3.根据权利要求2所述的方法，其特征在于，S120，包括：

4.根据权利要求1所述的方法，其特征在于，S130，包括：

5.根据权利要求4所述的方法，其特征在于，S140，包括：

6.根据权利要求1所述的方法，其特征在于，S150，包括：

7.根据权利要求1所述的方法，其特征在于，S160，包括：

8.一种企业推荐系统，其特征在于，包括：

【技术特征摘要】

1.一种基于技能向量和图神经网络的企业推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，s110，包括：

3.根据权利要求2所述的方法，其特征在于，s120，包括：

4.根据权利要求1所述的方法，其特征在于，s130，...

【专利技术属性】
技术研发人员：齐腾峰，
申请(专利权)人：深圳市云初信息科技有限公司，
类型：发明
国别省市：