【技术实现步骤摘要】
本专利技术涉及信息数据分析领域，更具体的，涉及一种科技政策信息自动抽取与推荐方法及系统。
技术介绍
1、政策指导着国民经济行业的发展，对研究者深入分析经济运行、对企业及时了解发展形式起到重要作用。但政策的条文多，并且具有严密的逻辑性和规范性，而且专业术语多，每个条文都有极为丰富的内容，给研究和应用的群体阅读理解带来较大挑战，目前的信息系统大多只能做到信息的收集和录入，且对人工处理的依赖性较大。以“华转网”(sctcc.cn)政策直通车为例，政策条目数已超过70万条，每工作日新增的数量在数百条的规模，如果采用传统的方式，政策数据通过录入后，还需要人工进行信息提取和完整性检查，效率较低且成本较高。
2、因此，本方案提出了一种科技政策信息自动抽取与推荐方法及系统。
技术实现思路
1、本专利技术克服了现有技术的缺陷，提出了一种科技政策信息自动抽取与推荐方法及系统。
2、本专利技术第一方面提供了一种科技政策信息自动抽取与推荐方法，包括：
3、基于5w1h模型生成科技政策的关键信息种类；
4、获取用户目标网站信息，基于数据爬虫适配模块，生成爬虫策略，基于所述爬虫策略对目标网站进行数据采集，得到科技政策源数据；
5、基于语义分析模型与关键信息种类，对科技政策源数据进行关键词提取，并将关键词作为特征词，形成特征词数据；
6、获取预设历史时间段的用户网页浏览数据，基于所述用户网页浏览数据进行语义分析与政策关键词提取，得到用户特征
7、基于科技政策数据库进行文本转化与语义分析，提取科技政策中的实体、属性、关系数据，基于所述实体、属性、关系数据构建基于图结构的知识图谱；
8、根据所述特征词数据与用户特征关键词，基于协同推荐算法，从知识图谱中进行推荐数据检索，得到第一推荐政策数据，将所述第一推荐政策数据发送至用户终端；
9、根据用户实时网站浏览数据，通过知识图谱判断推荐数据是否需要更新，若是，则基于用户实时网站浏览数据从知识图谱中进行二次数据检索，并得到第二推荐政策数据。
10、本方案中，所述基于5w1h模型生成科技政策的关键信息种类中，5w1h模型为预设模型，用于分析出科技政策的关键信息种类，所述关键信息种类包括申报条件、申报地区、发布时间、截止时间、申报对象、申报支持力度。
11、本方案中，所述获取用户目标网站信息，基于数据爬虫适配模块，生成爬虫策略，基于所述爬虫策略对目标网站进行数据采集，得到科技政策源数据；基于语义分析模型与关键信息种类，对科技政策源数据进行关键词提取，并将关键词作为特征词，形成特征词数据，具体为：
12、获取用户目标网站信息；
13、所述用户目标网站信息包括主页网站地址、网站结构信息、链接格式、抓取频率限制信息；
14、通过数据爬虫适配模块进行数据分析，并设置爬虫策略；
15、基于所述爬虫策略对目标网站进行数据采集，得到科技政策源数据；
16、将所述科技政策源数据进行数据清洗与文本格式转换处理；
17、构建基于cnn的语义分析模型，科技政策源数据导入语义分析模型进行词语分割与关键词提取，关键词作为特征词，形成特征词数据。
18、本方案中，所述获取预设历史时间段的用户网页浏览数据，基于所述用户网页浏览数据进行语义分析与政策关键词提取，得到用户特征关键词，具体为：
19、获取预设历史时间段的用户网页浏览数据；
20、对所述用户网页浏览数据进行文本格式转化，得到用户浏览文本数据；
21、将所述用户浏览文本数据导入语义分析模型进行语义分析与政策关键词提取，得到用户特征关键词。
22、本方案中，所述基于科技政策数据库进行文本转化与语义分析，提取科技政策中的实体、属性、关系数据，基于所述实体、属性、关系数据构建基于图结构的知识图谱，具体为：
23、通过科技政策数据库获取已有科技政策大数据；
24、将所述科技政策大数据进行数据清洗与文本格式转化；
25、将所述科技政策大数据导入语义分析模型进行语义分析并提取出其中的实体、属性、关系数据；
26、基于所述实体、属性、关系数据构建基于图结构的知识图谱。
27、本方案中，所述根据所述特征词数据与用户特征关键词，基于协同推荐算法，从知识图谱中进行推荐数据检索，得到第一推荐政策数据，将所述第一推荐政策数据发送至用户终端，具体为：
28、将用户特征关键词作为兴趣特征，基于预设协同推荐算法，从特征词数据中进行兴趣特征词分析与预测，生成兴趣特征词；
29、将所述兴趣特征词导入语义分析模型生成兴趣实体数据；
30、基于所述兴趣实体数据，从知识图谱中进行实体数据与关联数据的检索，并得到检索知识数据；
31、将所述检索知识数据进行政策数据数据转化，得到第一推荐政策数据。
32、本方案中，所述根据用户实时网站浏览数据，通过知识图谱判断推荐数据是否需要更新，若是，则基于用户实时网站浏览数据从知识图谱中进行二次数据检索，并得到第二推荐政策数据，具体为：
33、基于用户实时网站浏览数据进行语义分析与政策关键词提取，得到实时特征词；
34、将实时特征词导入语义分析模型生成当前实体数据；
35、通过知识图谱的图结构，计算兴趣实体数据与当前实体数据在图结构中的节点平均距离；
36、判断节点平均距离是否大于预设距离，若是，则基于当前实体数据从知识图谱中得到预设关联实体数据；
37、基于当前实体数与预设关联实体数据，从知识图谱进行知识数据检索，得到第二检索知识数据；
38、将所述第二检索知识数据进行政策数据数据转化，得到第二推荐政策数据。
39、本专利技术第二方面还提供了一种科技政策信息自动抽取与推荐系统，该系统包括：存储器、处理器，所述存储器中包括科技政策信息自动抽取与推荐程序，所述科技政策信息自动抽取与推荐程序被所述处理器执行时实现如下步骤：
40、基于5w1h模型生成科技政策的关键信息种类；
41、获取用户目标网站信息，基于数据爬虫适配模块，生成爬虫策略，基于所述爬虫策略对目标网站进行数据采集，得到科技政策源数据；
42、基于语义分析模型与关键信息种类，对科技政策源数据进行关键词提取，并将关键词作为特征词，形成特征词数据；
43、获取预设历史时间段的用户网页浏览数据，基于所述用户网页浏览数据进行语义分析与政策关键词提取，得到用户特征关键词；
44、基于科技政策数据库进行文本转化与语义分析，提取科技政策中的实体、属性、关系数据，基于所述实体、属性、关系数据构建基于图结构的知识图谱；
45、根据所述特征词数据与用户特征关键词，基于协同推荐算法，从知识图谱中进行推荐数据检索，得到第一推荐政本文档来自技高网...
【技术保护点】
1.一种科技政策信息自动抽取与推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种科技政策信息自动抽取与推荐方法，其特征在于，所述基于5W1H模型生成科技政策的关键信息种类中，5W1H模型为预设模型，用于分析出科技政策的关键信息种类，所述关键信息种类包括申报条件、申报地区、发布时间、截止时间、申报对象、申报支持力度。
3.根据权利要求1所述的一种科技政策信息自动抽取与推荐方法，其特征在于，所述获取用户目标网站信息，基于数据爬虫适配模块，生成爬虫策略，基于所述爬虫策略对目标网站进行数据采集，得到科技政策源数据；基于语义分析模型与关键信息种类，对科技政策源数据进行关键词提取，并将关键词作为特征词，形成特征词数据，具体为：
4.根据权利要求3所述的一种科技政策信息自动抽取与推荐方法，其特征在于，所述获取预设历史时间段的用户网页浏览数据，基于所述用户网页浏览数据进行语义分析与政策关键词提取，得到用户特征关键词，具体为：
5.根据权利要求4所述的一种科技政策信息自动抽取与推荐方法，其特征在于，所述基于科技政策数据库进行文本转化与语义分析
6.一种科技政策信息自动抽取与推荐系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括科技政策信息自动抽取与推荐程序，所述科技政策信息自动抽取与推荐程序被所述处理器执行时实现如下步骤：
7.根据权利要求6所述的一种科技政策信息自动抽取与推荐系统，其特征在于，所述获取用户目标网站信息，基于数据爬虫适配模块，生成爬虫策略，基于所述爬虫策略对目标网站进行数据采集，得到科技政策源数据；基于语义分析模型与关键信息种类，对科技政策源数据进行关键词提取，并将关键词作为特征词，形成特征词数据，具体为：
...【技术特征摘要】
1.一种科技政策信息自动抽取与推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种科技政策信息自动抽取与推荐方法，其特征在于，所述基于5w1h模型生成科技政策的关键信息种类中，5w1h模型为预设模型，用于分析出科技政策的关键信息种类，所述关键信息种类包括申报条件、申报地区、发布时间、截止时间、申报对象、申报支持力度。
3.根据权利要求1所述的一种科技政策信息自动抽取与推荐方法，其特征在于，所述获取用户目标网站信息，基于数据爬虫适配模块，生成爬虫策略，基于所述爬虫策略对目标网站进行数据采集，得到科技政策源数据；基于语义分析模型与关键信息种类，对科技政策源数据进行关键词提取，并将关键词作为特征词，形成特征词数据，具体为：
4.根据权利要求3所述的一种科技政策信息自动抽取与推荐方法，其特征在于，所述获取预设历史时间段的用户网页浏览数据，基于所述用户网页浏览数据进行语...
【专利技术属性】
技术研发人员：赖培源，王增辉，廖晓东，李奎，叶世兵，周海涛，廖德章，刘士雨，黄俊铮，谢毅明，
申请(专利权)人：广东省华南技术转移中心有限公司，
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。