[发明专利]技术服务信息的推荐方法

权利要求书

1.一种技术服务信息的推荐方法，其特征在于，该方法包括：

A10、针对技术服务需求信息，采用Bert预训练模型处理以获取该技术服务需求信息对应第一类句向量；

所述技术服务需求信息包括：服务对象的介绍信息、服务技术要求、服务技术标准设定信息或服务区域的限定信息；每一信息少于512字符；

具体地，对技术服务需求信息进行预处理，对预处理后的技术服务需求信息进行字编码，以使每一文字转为设备便于计算与存储的数字表示，保存在一个Hash字典中，使用Bert预训练模型转换为基于句向量的嵌入表示作为第一类句向量；

A20、针对技术服务自荐信息，确定技术服务自荐信息中每一属性数据内每一子项的概要信息，采用Bert预训练模型对每一个概要信息进行处理，获取每一概要信息对应的第二类句向量；

技术服务自荐信息包括：高校科研团队的论文属性数据、高校科研团队的专利属性数据；高校科研团队的项目属性数据，高校科研团队的专著属性数据或高校科研团队的成果属性数据；

所述每一属性数据内每一子项的概要信息为高校科研团队提供的核心概要信息；

对每一概要信息进行预处理，对预处理后的概要信息进行字编码，以使概要信息中的每一个文字转为便于设备计算与存储的数字表示；

基于字编码的数字表示，使用Bert预训练模型转换为基于句向量的嵌入表示作为第二类句向量；

A30、针对第一类句向量和每一个第二类句向量，采用训练的文本相似度得分模型进行计算，获取相似度得分；具体包括：计算技术服务需求信息与高校科研团队各属性数据中每一子项的概要信息的相似度得分；

A40、针对每一属性数据中每一子项的概要信息对应的相似度得分，采用剪枝策略进行剪枝处理，获得各属性数据的得分矩阵，并基于得分矩阵采用熵值法计算各属性数据所占权重的权重矩阵；

A50、基于所述得分矩阵和所述权重矩阵，获取与所述技术服务需求信息匹配的F项技术服务自荐信息，F取大于1的自然数。

2.根据权利要求1所述的方法，其特征在于，A30包括：

训练的文本相似度得分模型为训练的TextRCNN网络，使用训练的TextRCNN网络处理输入的向量，训练的TextRCNN网络使用LSTM与最大池化的方式提取输入的向量的上下文特征，在每个时间步，把LSTM网络的输出与对应的句向量拼接，作为当前时间步的“语义向量”，以表示文本的上下文特征；

训练的文本相似度得分模型包括：输入门、遗忘门和输出门，输入门、遗忘门和输出门结构通过Sigmoid函数来决定信息的保留程度，具体计算公式如下：

f_t＝σ(W_f*[h_t-1，x_t]+b_f)     (1)

i_t＝σ(W_i*[h_t-1，x_t]+b_i)    (2)

o_t＝σ(W_o*[h_t-1，x_t]+b_o)   (3)

h_t＝o_t*tanh(C_t)    (6)；

其中，i，o，f分别代表着LSTM网络中门机制内的输入门、输出门和遗忘门，c是记忆细胞用来记录细胞状态的更新，在t时刻，LSTM网络接收到当前输入x_t和上一时刻t-1遗留的信息向量h_t-1作为三个门机制的输入，i_t，o_t，f_t分别为输入门、输出门、遗忘门在t时刻所得到的激活向量；σ为非线性激活函数sigmoid，tanh为非线性激活函数tanh；W_f，W_i，W_o，W_c分别是遗忘门、输入门、输出门的记忆细胞对应的权重矩阵，b_t，b_i，b_e，b_c是偏差矩阵，在训练过程中获得。