[发明专利]基于人在回路的混合增强智能需求精准感知方法及系统

说明书

本发明公开了一种基于人在回路的混合增强智能需求精准感知方法及系统，其中，系统包括：知识图谱子系统，用于存储科技资源子图谱与用户/企业信息子图谱，以根据用户需求确定不同实体之间的关系；对话子系统，用于以自然语言的方式和用户进行交互，收集用户需求，并将感知结果实时返回给用户；特征感知与推荐子系统，用于根据对话子系统和知识图谱子系统的客观数据、痕迹数据，整合相关数据生成感知结果，并生成推荐信息推荐至用户。该系统利用对话系统建立起人在回路，结合用户痕迹数据和科技资源数据进行用户需求充分挖掘与特征感知，实现用户需求精准感知，有效解决现有技术存在没有利用客观数据、无法深度感知用户需求等问题。

技术领域

本发明涉及用户需求感知技术领域，特别涉及一种基于人在回路的混合增强智能需求 精准感知方法及系统。

背景技术

目前感知的方法主要有智能问答和推荐方法两种形式，(1)智能问答通过问答的方式 获取用户需求，(2)推荐方法通过比较用户的模糊需求与库中资源得出用户需求：

(1)采用智能问答的方式。该方案采用自然语言处理领域相关技术，用户对想要查找 的专利进行描述，并将描述语句输入系统，系统采用自然语言处理相关技术对用户的描述 进行编码，采用语义解析的方式将用户的需求描述解析为查询语句，在系统中查询对应专 利；或采用文本检索的方式，利用神经网络等技术将用户的需求描述映射为特征向量，与 专利库中的专利进行匹配，将最相近的专利作为检索结果进行输出。

(2)基于深度神经网络的科技资源推荐方法。该方法通过对用户和科技资源的特征表 示得到对应的编码向量，基于用户和科技资源的编码向量作为深度神经网络的输入，是否 推荐作为深度神经网络的输出结果，采用监督学习的方式对网络进行训练，最终基于训练 的深度神经网络实现对用户-科技资源对的推荐结果预测。

然而，上述的智能问答和推荐方法存在如下缺陷：

方案1)采用了智能问答的方式，可以通过单轮或多轮的形式与用户交互，通过迭代的 方式获取用户需求，然而该方法存在获取方式单一，过于主观的问题，仅仅根据用户当前 的输入进行分析，没有加入用户历史、客观数据等，容易出现只查到了相对相似的结果， 对于符合用户客观条件的最优解则无法获取的问题。

方案2)采用了当下流行的深度神经网络算法，能更好地实现对用户历史隐含需求的感 知与映射，但却缺乏对用户当前实时的意向反馈的考虑，同时深度神经网络作为典型的“黑 盒”计算模型，其需求感知与推荐结果缺乏很好的可解释性，用户难以对最终的需求感知与 推荐结果予以肯定。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于人在回路的混合增强智能需求精准感知系 统，该系统利用对话系统建立起人在回路，结合用户痕迹数据和科技资源数据进行用户需 求充分挖掘与特征感知，实现用户需求精准感知，有效解决现有技术存在没有利用客观数 据、无法深度感知用户需求等问题。

本发明的另一个目的在于提出一种基于人在回路的混合增强智能需求精准感知方法。

为达到上述目的，本发明一方面实施例提出了一种基于人在回路的混合增强智能需求 精准感知系统，包括：知识图谱子系统，用于存储科技资源子图谱与用户/企业信息子图谱， 以根据用户需求确定不同实体之间的关系；对话子系统，用于以自然语言的方式和用户进 行交互，收集用户需求，并将感知结果实时返回给用户；特征感知与推荐子系统，用于根 据所述对话子系统和所述知识图谱子系统的客观数据、痕迹数据，整合相关数据生成感知 结果，并生成推荐信息推荐至所述用户。