[发明专利]开发活动序列的推荐方法及相关装置

权利要求书

1.一种开发活动序列的推荐方法，其特征在于，包括：

获取多类数据；所述多类数据包括：预设的数据库中与待开发对象相似的开发对象、所述数据库中与所述待开发对象的开发范围相似的开发范围，以及所述数据库中的开发活动；

将每类数据中的每种参数数据分别转换为向量，并将向量作为顶点；

将距离满足预设距离关系的两个顶点间的关联关系作为边特征，建立所述顶点之间的关联关系，得到具有关联关系的顶点；并将所述具有关联关系的顶点中相似类别的顶点作为一组，得到至少一组具有关联关系的顶点；

将所述具有关联关系的顶点中的顶点特征、边的关联特征和所述至少一组具有关联关系的顶点之间进行线性组合和交叉，得到交叉后的具有关联关系的顶点；

对所述顶点特征、所述边的关联特征和所述交叉后的具有关联关系的顶点，采用注意力机制进行计算，得到所述待开发对象的开发活动序列间的链接关系和所述开发活动序列中每个开发活动的开发周期。

2.根据权利要求1所述的方法，其特征在于，所述对所述顶点特征、所述边的关联特征和所述交叉后的具有关联关系的顶点，采用注意力机制计算注意力权重，包括：

对所述顶点特征和所述边的关联特征进行点乘计算，得到第一结果；

对所述第一结果进行softmax函数计算，得到第二结果；

对所述顶点特征、所述边的关联特征和所述第二结果进行点乘计算，得到第三结果；

对所述顶点特征、所述边的关联特征和所述第三结果进行求和计算，得到第四结果；

对所述第四结果进行ReLU函数计算，得到第五结果；

对所述第四结果和所述第五结果进行求和计算，得到第六结果；

对所述第六结果进行Linear函数计算，得到第七结果；

对所述第七结果和所述交叉后的具有关联关系的顶点进行点乘计算。

3.根据权利要求1所述的方法，其特征在于，所述多类数据还包括：用户对历史推荐的开发活动序列的反馈数据。

4.根据权利要求1所述的方法，其特征在于，所述预设的数据库中与待开发对象相似的开发对象以及所述数据库中与所述待开发对象的开发范围相似的开发范围，通过预设的神经网络模型推荐得到。

5.根据权利要求4所述的方法，其特征在于，所述神经网络模型推荐与待开发对象相似的开发对象，以及与所述待开发对象的开发范围相似的开发范围的过程，包括：

获取所述待开发对象，以及所述待开发对象的更改范围；

将多类目标数据中的每种参数分别转换为向量；所述多类目标数据包括：所述待开发对象和所述数据库中的开发对象构成的一类数据；所述待开发对象的更改范围和所述数据库中的更改范围构成的一类数据；

分别将每类目标数据对应的向量进行拼接，得到每类目标数据分别对应的拼接向量；

对所述拼接向量进行求和，得到目标拼接向量；

对所述向量和所述目标拼接向量进行线性组合和交叉，得到交叉后的特征向量；

对所述交叉后的特征向量进行预设的输出运算，得到与所述待开发对象相似的开发对象，以及与所述待开发对象的更改范围相似的更改范围。

6.根据权利要求5所述的方法，其特征在于，所述目标数据还包括：由所述数据库中的开发活动数据构成的一类数据，以及由用户对历史推荐的开发活动序列的反馈数据构成的一类数据。