CN119443741A 一种成果转化供需匹配系统及方法 (中伯伦(北京)信息技术有限公司)_第1页
CN119443741A 一种成果转化供需匹配系统及方法 (中伯伦(北京)信息技术有限公司)_第2页
CN119443741A 一种成果转化供需匹配系统及方法 (中伯伦(北京)信息技术有限公司)_第3页
CN119443741A 一种成果转化供需匹配系统及方法 (中伯伦(北京)信息技术有限公司)_第4页
CN119443741A 一种成果转化供需匹配系统及方法 (中伯伦(北京)信息技术有限公司)_第5页
已阅读5页,还剩36页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

算法动态调整成果特征数据在不同领域的匹配2特征提取单元,用于将收集到的技术成果和需求信息转化为供需关联度挖掘单元,用于根据建立的匹配特征集,利用熵权算数据获取与预处理模块,用于利用文字提取技术从数据源中获取技术成果和需求信高维向量生成模块,用于将预处理后的技术成果和需特征数据提取模块,用于根据深度学习算法,从归一化处理后特征集建立模块,用于运用相似度算法计算成果特征数特征提取模型构建子模块,用于根据深度学习算法,选择预训语言信息获取子模块,用于将归一化处理后的高维向量输入至特特征数据获取子模块,用于将捕捉到的语言信息传递至多任特征熵值计算模块,用于根据建立的匹配特征集中的成优先级匹配模块,用于基于每个领域的成果特征熵供需矩阵补全模块,用于运用非负矩阵分解技术分解对供需矩阵3供需关联度模块,用于基于得到新的供需矩阵,利用图神经网络算法挖结合松弛变量,构建包含低秩性和数据拟合度的优;μ9.根据权利要求8所述的一种成果转化供需匹配系;4将收集到的技术成果和需求信息转化为高维向量,并基于高维向量提取匹配特征数根据建立的匹配特征集,利用熵权算法动态调整成果特征数据在5[0002]成果转化是指将科学研究成果从实验室或理论阶段推进6语言信息获取子模块,用于将归一化处理后的高维向量输入至特征提取模型中,通过特征提取模型的多层编码器捕捉高维向量供需矩阵构建模块,用于结合经过优先级调整后的成果特征数据与需求特征数7;μ;8文的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交[0030]本申请的装置或系统中的各个模块可全部或部分通过软件、硬件及其组合来实9语言信息获取子模块,用于将归一化处理后的高维向量输入至特征提取模型中,通过特征提取模型的多层编码器捕捉高维向量[0039]需要补充说明的是,假设数据源为一个包含技术成果和后的技术成果描述和需求描述文本转换为的数值向量表示,这些向量通常具有较高的维度通过训练句向量嵌入模型,模型能够学习到文本之间的语义相似性,并将相似的文本映射氏距离等可以评估两个文本之间的语义相似性。寻企业的布局、洞察企业投融资及招投标数据背后的技术需求热点信息及资本流向信息,对提取的成果特征数据和需求特征数据计算余弦之间存在高度相似性或匹配关系的特征数据;这些数据通常是从高维向量中提取出来的,;ij表示第j个领域在第i条数据中的比重。;[0077]供需矩阵构建模块,用于结合经过优先级调整后的成果特征数据与需求特征数;μ将经过优先级调整后的成果特征数据与需求特征[0105]得到技术成果与需求信息之间的供需关联度,为后续的决策分析和应用提供依;;;将多个目标函数整合成一个综合目标函数,可以使用加权和、最小最大化(min_max)、;;机程序被处理器执行时实现上述方法实施例中包括非易失性和易失性存储器中的至少一种。非易失性存

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论