-
公开(公告)号：CN113360776B
公开(公告)日：2023-07-21
申请号：CN202110814971.X
申请日：2021-07-19
Applicant: 西南大学
IPC: G06F16/9535 , G06F16/958 , G06F16/22 , G06F16/2458 , G06F16/248 , G06F16/26 , G06F16/31 , G06F16/335 , G06F16/338 , G06F16/34 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/117
Abstract: 本发明公开了一种基于跨表数据挖掘的科技资源推荐方法，该方法通过前期数据语义分析，挖掘跨表数据或多对象属性之间的相关性，确定用于NLP主题模型的输入数据字段，在一定程度上优化了多对象之间的数据交流模式；通过采用的神经网络主题模型结构简洁，且无需先验假设，通过训练可获得质量更高的主题表示；通对多对象推荐结果根据推荐指数和对象种类，进行不同大小和颜色的图模型展示及可视化，可实现推荐结果的直观、有效、合理显示，提升用户体验。
-
公开(公告)号：CN113297382A
公开(公告)日：2021-08-24
申请号：CN202110685031.5
申请日：2021-06-21
Applicant: 西南大学
IPC: G06F16/35 , G06F16/31 , G06F16/335
Abstract: 本申请提供一种仪器设备功能标签化处理方法，所述方法包括如下步骤：S1：提取目标仪器设备的功能文本信息；S2：从功能文本信息中解析关键词，获得关键词集合；S3：将所述关键词集合进行分类，构建功能要素分类表，并根据所述功能要素分类表确定候选标签集合；S4：构建标签评选模型，将所述候选标签集合输入所述评选模型；S5：确定仪器设备标签。本申请提供的仪器设备功能标签化处理方法，通过自然语言处理、规则匹配、机器学习等技术从原始仪器设备功能描述数据中提取各类标签，实现代表仪器设备功能的核心概念的结构化、规范化表示，实现更高校的仪器信息归类与检索，同时为科技资源信息检索及领域知识图谱建设提供数据支持。
-
公开(公告)号：CN113297382B
公开(公告)日：2023-04-25
申请号：CN202110685031.5
申请日：2021-06-21
Applicant: 西南大学
IPC: G06F16/35 , G06F16/31 , G06F16/335
Abstract: 本申请提供一种仪器设备功能标签化处理方法，所述方法包括如下步骤：S1：提取目标仪器设备的功能文本信息；S2：从功能文本信息中解析关键词，获得关键词集合；S3：将所述关键词集合进行分类，构建功能要素分类表，并根据所述功能要素分类表确定候选标签集合；S4：构建标签评选模型，将所述候选标签集合输入所述评选模型；S5：确定仪器设备标签。本申请提供的仪器设备功能标签化处理方法，通过自然语言处理、规则匹配、机器学习等技术从原始仪器设备功能描述数据中提取各类标签，实现代表仪器设备功能的核心概念的结构化、规范化表示，实现更高校的仪器信息归类与检索，同时为科技资源信息检索及领域知识图谱建设提供数据支持。
-
公开(公告)号：CN113297296B
公开(公告)日：2022-08-16
申请号：CN202110605693.7
申请日：2021-05-31
Applicant: 西南大学
IPC: G06F16/2458 , G06F16/28 , G06F16/25
Abstract: 本发明公开了一种多样式类型数据的JSON化处理方法，包括步骤：S1.对多样式类型数据进行提取，得到提取后的多样式类型数据；S2.对提取后的多样式类型数据进行统计处理，得到统计后的数据；S3.判断统计后的数据是否符合数据标准，若是，则进入步骤S4，若否，则结束；S4.对统计后的数据进行二进制化处理，得到二进制化的数据；S5.对二进制化的数据进行JSON化处理，得到JSON化的数据。本发明的一种多样式类型数据的JSON化处理方法，能够快速将原始数据信息转化为易读性强、存储结构简易以及便于大数据分析的JSON化数据信息。
-
公开(公告)号：CN113298399A
公开(公告)日：2021-08-24
申请号：CN202110605706.0
申请日：2021-05-31
Applicant: 西南大学
Abstract: 本发明公开了一种基于大数据的科研项目分析方法，包括步骤：S1.采集科研项目信息；S2.根据项目类别以及学科类别建立层级标签目录；S3.统计各级别标签下科研项目的数量和拨款金额，计算得到科研项目数量和拨款金额的分布；S4.对各级别标签下的科研项目进行宏观、中观以及微观的预测分析，得到科研项目的数量以及拨款金额在时间维度上的估算模型；S5.对各级别标签下的科研项目进行宏观、中观以及微观的聚类分析，得到科研项目的聚类分析结果；S6.对所述科研项目数量和拨款金额的分布、所述估算模型以及所述聚类分析结果进行可视化展示。本发明能够对科研项目数据信息进行深层次的挖掘，促进科研项目的规范化和结构化管理。
-
Patent Agency Ranking
公开(公告)号：CN113297490A
公开(公告)日：2021-08-24
申请号：CN202110624821.2
申请日：2021-06-04
Applicant: 西南大学
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种基于图卷积神经网络的双向推荐方法，包括步骤：S1.将双方中的一方作为A类节点，并确定A类节点的特征值；S2.将双方中的另一方作为B类节点，并确定B类节点的特征值；S3.根据A类节点与B类节点之间的关联关系，构建A类节点与B类节点之间的连通图；S4.将所述连通图中的每个节点作为目标节点，并基于图卷积神经网络对所述目标节点的特征值进行卷积操作处理，得到目标节点的推荐节点。本发明的一种基于图卷积神经网络的双向推荐方法，能够有效实现双向推荐，提高了匹配效率，节约了计算资源，具有更好的推荐效果。
-
公开(公告)号：CN113297296A
公开(公告)日：2021-08-24
申请号：CN202110605693.7
申请日：2021-05-31
Applicant: 西南大学
IPC: G06F16/2458 , G06F16/28 , G06F16/25
Abstract: 本发明公开了一种多样式类型数据的JSON化处理方法，包括步骤：S1.对多样式类型数据进行提取，得到提取后的多样式类型数据；S2.对提取后的多样式类型数据进行统计处理，得到统计后的数据；S3.判断统计后的数据是否符合数据标准，若是，则进入步骤S4，若否，则结束；S4.对统计后的数据进行二进制化处理，得到二进制化的数据；S5.对二进制化的数据进行JSON化处理，得到JSON化的数据。本发明的一种多样式类型数据的JSON化处理方法，能够快速将原始数据信息转化为易读性强、存储结构简易以及便于大数据分析的JSON化数据信息。
-
公开(公告)号：CN113298399B
公开(公告)日：2023-04-07
申请号：CN202110605706.0
申请日：2021-05-31
Applicant: 西南大学
IPC: G06Q10/0639 , G06Q10/067 , G06F18/23213
Abstract: 本发明公开了一种基于大数据的科研项目分析方法，包括步骤：S1.采集科研项目信息；S2.根据项目类别以及学科类别建立层级标签目录；S3.统计各级别标签下科研项目的数量和拨款金额，计算得到科研项目数量和拨款金额的分布；S4.对各级别标签下的科研项目进行宏观、中观以及微观的预测分析，得到科研项目的数量以及拨款金额在时间维度上的估算模型；S5.对各级别标签下的科研项目进行宏观、中观以及微观的聚类分析，得到科研项目的聚类分析结果；S6.对所述科研项目数量和拨款金额的分布、所述估算模型以及所述聚类分析结果进行可视化展示。本发明能够对科研项目数据信息进行深层次的挖掘，促进科研项目的规范化和结构化管理。
-
公开(公告)号：CN113297490B
公开(公告)日：2022-08-02
申请号：CN202110624821.2
申请日：2021-06-04
Applicant: 西南大学
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种基于图卷积神经网络的双向推荐方法，包括步骤：S1.将双方中的一方作为A类节点，并确定A类节点的特征值；S2.将双方中的另一方作为B类节点，并确定B类节点的特征值；S3.根据A类节点与B类节点之间的关联关系，构建A类节点与B类节点之间的连通图；S4.将所述连通图中的每个节点作为目标节点，并基于图卷积神经网络对所述目标节点的特征值进行卷积操作处理，得到目标节点的推荐节点。本发明的一种基于图卷积神经网络的双向推荐方法，能够有效实现双向推荐，提高了匹配效率，节约了计算资源，具有更好的推荐效果。
-
公开(公告)号：CN113360776A
公开(公告)日：2021-09-07
申请号：CN202110814971.X
申请日：2021-07-19
Applicant: 西南大学
IPC: G06F16/9535 , G06F16/958 , G06F16/22 , G06F16/2458 , G06F16/248 , G06F16/26 , G06F16/31 , G06F16/335 , G06F16/338 , G06F16/34 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/117
Abstract: 本发明公开了一种基于跨表数据挖掘的科技资源推荐方法，该方法通过前期数据语义分析，挖掘跨表数据或多对象属性之间的相关性，确定用于NLP主题模型的输入数据字段，在一定程度上优化了多对象之间的数据交流模式；通过采用的神经网络主题模型结构简洁，且无需先验假设，通过训练可获得质量更高的主题表示；通对多对象推荐结果根据推荐指数和对象种类，进行不同大小和颜色的图模型展示及可视化，可实现推荐结果的直观、有效、合理显示，提升用户体验。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
