本發(fā)明專利技術(shù)公開(kāi)了一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法及系統(tǒng)，方法包括：收集智能科創(chuàng)項(xiàng)目多種來(lái)源的專業(yè)語(yǔ)料；構(gòu)建知識(shí)圖譜構(gòu)建模塊包括術(shù)語(yǔ)庫(kù)構(gòu)建模塊、術(shù)語(yǔ)聚類模塊和關(guān)系構(gòu)建模塊；以專業(yè)語(yǔ)料為核心，構(gòu)建專業(yè)詞庫(kù)；將專業(yè)詞庫(kù)分割成以專業(yè)術(shù)語(yǔ)為中心的多個(gè)聚類；以聚類中的詞匯為節(jié)點(diǎn)，構(gòu)建知識(shí)圖譜；構(gòu)建智能評(píng)估模塊包括智能評(píng)分模塊和智能評(píng)價(jià)模塊，輸出AI評(píng)語(yǔ)。本發(fā)明專利技術(shù)通過(guò)自然語(yǔ)言處理技術(shù)對(duì)項(xiàng)目計(jì)劃書進(jìn)行自動(dòng)化處理，大幅提升了審核效率；結(jié)合知識(shí)圖譜技術(shù)，系統(tǒng)構(gòu)建專業(yè)化的知識(shí)庫(kù)，為大語(yǔ)言模型提供背景知識(shí)支持，確保評(píng)估結(jié)果的專業(yè)性和一致性。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于自然語(yǔ)言處理領(lǐng)域，尤其涉及一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法及系統(tǒng)。
技術(shù)介紹
1、隨著社會(huì)對(duì)科技創(chuàng)新的大力支持和人工智能領(lǐng)域的飛速發(fā)展，創(chuàng)新創(chuàng)業(yè)類競(jìng)賽作為激發(fā)創(chuàng)新活力的重要平臺(tái)，其項(xiàng)目評(píng)判審核機(jī)制的重要性日益凸顯。完善企業(yè)創(chuàng)新服務(wù)體系、深化創(chuàng)新創(chuàng)業(yè)機(jī)構(gòu)具有重要意義。
2、在此背景下，如何精準(zhǔn)且高效地挖掘項(xiàng)目的潛在市場(chǎng)與深層價(jià)值，成為各類創(chuàng)新創(chuàng)業(yè)競(jìng)賽亟待解決的關(guān)鍵問(wèn)題。項(xiàng)目計(jì)劃書作為項(xiàng)目核心價(jià)值和目標(biāo)的載體，不僅能夠幫助創(chuàng)新創(chuàng)業(yè)者在書寫過(guò)程中更加準(zhǔn)確地定位項(xiàng)目在市場(chǎng)中的位置和競(jìng)爭(zhēng)優(yōu)勢(shì)，還能讓評(píng)審專家直觀了解項(xiàng)目的成熟度、可行性及未來(lái)潛力，為創(chuàng)新創(chuàng)業(yè)項(xiàng)目的價(jià)值評(píng)估提供了重要依據(jù)。
3、然而，傳統(tǒng)的人工評(píng)審模式存在主觀判斷差異大、評(píng)審成本高、效率低下等問(wèn)題，難以快速響應(yīng)日益增長(zhǎng)的創(chuàng)新創(chuàng)業(yè)需求。加之科技創(chuàng)新項(xiàng)目本身高風(fēng)險(xiǎn)、高投入的特點(diǎn)和科學(xué)指導(dǎo)資源的相對(duì)稀缺，參賽者面臨難以充分釋放創(chuàng)新潛能的困境，影響了創(chuàng)新成果的孵化和轉(zhuǎn)化。因此，探索更為高效公正的審核機(jī)制、加強(qiáng)對(duì)創(chuàng)新創(chuàng)業(yè)者的精準(zhǔn)支持和專業(yè)指導(dǎo)，已成為破解當(dāng)前困境、推動(dòng)創(chuàng)新生態(tài)健康發(fā)展的迫切需求。
技術(shù)實(shí)現(xiàn)思路
1、專利技術(shù)目的：本專利技術(shù)的目的在于提供一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法及系統(tǒng)。旨在提升項(xiàng)目書審核效率，降低人為因素干擾，同時(shí)為創(chuàng)新創(chuàng)業(yè)者提供更加科學(xué)、客觀的評(píng)估支持。
2、技術(shù)方案：本專利技術(shù)的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，包括如下步驟：
3、步驟1、收集智能科創(chuàng)項(xiàng)目多種來(lái)源的專業(yè)語(yǔ)料；
4、步驟2、構(gòu)建知識(shí)圖譜構(gòu)建模塊包括術(shù)語(yǔ)庫(kù)構(gòu)建模塊、術(shù)語(yǔ)聚類模塊和關(guān)系構(gòu)建模塊；通過(guò)術(shù)語(yǔ)庫(kù)構(gòu)建模塊，以步驟1專業(yè)語(yǔ)料為核心，構(gòu)建專業(yè)詞庫(kù)；通過(guò)術(shù)語(yǔ)聚類模塊將專業(yè)詞庫(kù)分割成以專業(yè)術(shù)語(yǔ)為中心的多個(gè)聚類；通過(guò)關(guān)系構(gòu)建模塊以聚類中的詞匯為節(jié)點(diǎn)，構(gòu)建知識(shí)圖譜；
5、步驟3、構(gòu)建智能評(píng)估模塊包括智能評(píng)分模塊和智能評(píng)價(jià)模塊；通過(guò)智能評(píng)分模塊結(jié)合步驟2的知識(shí)圖譜和外部知識(shí)庫(kù)對(duì)知識(shí)圖譜進(jìn)行增強(qiáng)和融合預(yù)測(cè)；采用動(dòng)態(tài)融合策略計(jì)算每個(gè)類別的評(píng)分，得到評(píng)分結(jié)果；通過(guò)智能評(píng)價(jià)模塊根據(jù)評(píng)分結(jié)果和知識(shí)圖譜的關(guān)鍵特征，得到評(píng)語(yǔ)集合并進(jìn)行優(yōu)化，輸出ai評(píng)語(yǔ)；
6、步驟4、通過(guò)專家評(píng)估模塊，對(duì)ai評(píng)語(yǔ)進(jìn)一步分析，得到最終評(píng)價(jià)結(jié)果。
7、進(jìn)一步的，步驟1具體為：所述智能科創(chuàng)項(xiàng)目多種來(lái)源的專業(yè)語(yǔ)料包括學(xué)術(shù)論文、行業(yè)報(bào)告、技術(shù)文檔和專利。
8、進(jìn)一步的，步驟2具體包括如下步驟：
9、步驟2.1、所述術(shù)語(yǔ)庫(kù)構(gòu)建模塊用于以信息收集模塊收集的專業(yè)語(yǔ)料為核心，構(gòu)建專業(yè)詞庫(kù)；設(shè)定文檔集合為d＝{d1,d2,…,dm}，每份文檔di中的詞匯集合為ti＝{t1,t2,…,tn}，對(duì)每個(gè)詞匯tj∈ti，計(jì)算其在文檔集合d中的tf-idf值，設(shè)定閾值θ，提取術(shù)語(yǔ)集合c：
10、c＝{ti∈ti∣tf-idf(ti,d)>θ}；
11、步驟2.2、所述術(shù)語(yǔ)聚類模塊用于將詞匯集合ti分割成以專業(yè)術(shù)語(yǔ)為中心的多個(gè)聚類，通過(guò)glove模型將詞匯集合ti轉(zhuǎn)換為高維向量集合其中每個(gè)對(duì)應(yīng)于ti中的詞匯tj，以術(shù)語(yǔ)集合中的詞匯為聚類中心，計(jì)算每個(gè)詞匯向量與每個(gè)術(shù)語(yǔ)向量之間的距離并將其歸類到距離最近的聚類中心對(duì)應(yīng)的聚類ck中：
12、
13、其中，cluster(tj)表示詞匯tj所屬的聚類，聚類包含與術(shù)語(yǔ)相似的詞匯集合，nk表示第k個(gè)聚類中的術(shù)語(yǔ)數(shù)量；
14、步驟2.3、所述關(guān)系構(gòu)建模塊用于以聚類中的詞匯為節(jié)點(diǎn)，構(gòu)建知識(shí)圖譜。
15、進(jìn)一步的，步驟2.3具體包括如下步驟：
16、步驟2.3.1、對(duì)包含tki的每個(gè)句子進(jìn)行依存句法分析，記錄每個(gè)詞匯與其上下文的關(guān)系集r＝{r1,r2,…,rm}，將包含tki的每個(gè)句子輸入bert模型，獲取tki的動(dòng)態(tài)上下文向量
17、步驟2.3.2、將聚類中心作為中心結(jié)點(diǎn)對(duì)于關(guān)系集r中的每一個(gè)關(guān)系rj，識(shí)別與tki相關(guān)的詞匯wj，并將這些詞匯作為相應(yīng)的節(jié)點(diǎn)vj＝vj添加到圖中，在中心節(jié)點(diǎn)vi與相關(guān)節(jié)點(diǎn)vj之間建立有向邊，邊的標(biāo)簽為關(guān)系rj，表示邊之間的語(yǔ)義關(guān)系；
18、步驟2.3.3、對(duì)于每個(gè)相關(guān)詞匯wj，若其具有動(dòng)態(tài)上下文向量則將wj作為新的中心節(jié)點(diǎn)，重復(fù)上述步驟，進(jìn)一步解析其上下文關(guān)系，形成多層次的知識(shí)圖譜結(jié)構(gòu)；將所有中心節(jié)點(diǎn)及其相關(guān)節(jié)點(diǎn)按照關(guān)系連接起來(lái)，最終組織成知識(shí)圖譜g。
19、進(jìn)一步的，步驟3具體包括如下步驟：
20、步驟3.1、所述智能評(píng)分模塊包括：知識(shí)圖譜增強(qiáng)模塊和融合預(yù)測(cè)模塊，用于接收用戶提交的項(xiàng)目書文本，通過(guò)抽取的項(xiàng)目書詞匯集合w＝{w1,w2,…,wn}，結(jié)合特征向量和動(dòng)態(tài)融合策略，計(jì)算項(xiàng)目書的智能評(píng)分s；
21、步驟3.2、通過(guò)知識(shí)圖譜增強(qiáng)模塊結(jié)合內(nèi)部知識(shí)圖譜g和外部知識(shí)庫(kù)wikidata，生成詞匯集合w的特征向量，并利用輸入的項(xiàng)目書文本對(duì)知識(shí)圖譜g進(jìn)行補(bǔ)充，對(duì)于詞匯集合w中的每個(gè)詞，從知識(shí)圖譜g中查詢對(duì)應(yīng)的節(jié)點(diǎn)nw，若節(jié)點(diǎn)nw存在，則獲取相鄰節(jié)點(diǎn)集合nadj(w)＝{n1,n2,…,nk}；
22、對(duì)于每個(gè)相鄰節(jié)點(diǎn)ni∈nadj(w)，如果ni在詞匯集合w中存在匹配，則計(jì)算其權(quán)重wi：
23、
24、其中，d(v(ni),v(nw))表示節(jié)點(diǎn)ni和節(jié)點(diǎn)nw的特征向量之間的距離，dmin和dmax分別為距離的最小值和最大值，用于歸一化處理；
25、對(duì)于每個(gè)詞匯wi，更新其特征向量vrel(w)：
26、
27、其中，nmatch表示詞匯集合w中存在匹配的相鄰節(jié)點(diǎn)集合；
28、步驟3.3、通過(guò)融合預(yù)測(cè)模塊將知識(shí)圖譜生成的特征信息融入評(píng)分預(yù)測(cè)，得到最終評(píng)分；將詞匯集合w輸入預(yù)訓(xùn)練的fasttext模型中，獲取模型預(yù)測(cè)向量其中，pi表示文本屬于類別i的概率，根據(jù)預(yù)測(cè)概率pi是否超過(guò)閾值γ，累加基礎(chǔ)分?jǐn)?shù)first_score：
29、
30、其中，為指示函數(shù)，當(dāng)條件為真時(shí)取值1，否則取值0；
31、步驟3.4、通過(guò)計(jì)算知識(shí)圖譜增強(qiáng)模塊生成的節(jié)點(diǎn)集合nmatch間的相似度得到額外分?jǐn)?shù)additional_score；結(jié)合知識(shí)圖譜生成的特征向量采用動(dòng)態(tài)融合策略計(jì)算每個(gè)類別的評(píng)分si：
32、si＝α·pi+β·vi，
33、其中，α為fasttext模型預(yù)測(cè)向量pi的權(quán)重系數(shù)，表示fasttext的初次預(yù)測(cè)結(jié)果對(duì)最終評(píng)分的貢獻(xiàn)度，β為知識(shí)圖譜特征向量vi的權(quán)重系數(shù)，表示知識(shí)圖譜生成的特征信息對(duì)最終評(píng)分的貢獻(xiàn)度，si為融合后的評(píng)分向量；
34、將評(píng)分向量輸入fasttext模型進(jìn)行預(yù)測(cè)，生成概率分布p＝[p1,p2,…,pc]，結(jié)合賽事評(píng)分標(biāo)準(zhǔn)，設(shè)置理想分布d＝[d1,d2,…,dc]，其中di代表第i類的理想得分比例，通過(guò)計(jì)算p與理想分布d間的偏差，得到第本文檔來(lái)自技高網(wǎng)
...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟1具體為：所述智能科創(chuàng)項(xiàng)目多種來(lái)源的專業(yè)語(yǔ)料包括學(xué)術(shù)論文、行業(yè)報(bào)告、技術(shù)文檔和專利。
3.根據(jù)權(quán)利要求1所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟2具體包括如下步驟：
4.根據(jù)權(quán)利要求3所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟2.3具體包括如下步驟：
5.根據(jù)權(quán)利要求1所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟3具體包括如下步驟：
6.根據(jù)權(quán)利要求5所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟3.5中，所述關(guān)鍵特征包括文本中的關(guān)鍵詞、實(shí)體、與評(píng)分標(biāo)準(zhǔn)相關(guān)的屬性。
7.根據(jù)權(quán)利要求1所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟4具體為：將用戶提供的關(guān)鍵詞輸入預(yù)訓(xùn)練的GPT大語(yǔ)言模型，通過(guò)語(yǔ)義分析精準(zhǔn)檢索相關(guān)的歷史項(xiàng)目計(jì)劃書數(shù)據(jù)，整合生成科創(chuàng)項(xiàng)目原型文本；將智能評(píng)估模塊標(biāo)注過(guò)的項(xiàng)目計(jì)劃書提供給專家進(jìn)行下載和查看，基于系統(tǒng)生成的評(píng)分和評(píng)語(yǔ)，對(duì)項(xiàng)目進(jìn)行分析和評(píng)估。
8.一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)系統(tǒng)，用于實(shí)現(xiàn)如權(quán)利要求1-7任意一項(xiàng)所述的方法，其特征在于，所述評(píng)價(jià)系統(tǒng)包括數(shù)據(jù)庫(kù)模塊、信息收集模塊、知識(shí)圖譜構(gòu)建模塊、智能評(píng)估模塊、科創(chuàng)項(xiàng)目原型生成模塊、專家評(píng)估模塊；
9.一種計(jì)算機(jī)裝置，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1所述方法的步驟。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1所述方法的步驟。
...
【技術(shù)特征摘要】
1.一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟1具體為：所述智能科創(chuàng)項(xiàng)目多種來(lái)源的專業(yè)語(yǔ)料包括學(xué)術(shù)論文、行業(yè)報(bào)告、技術(shù)文檔和專利。
3.根據(jù)權(quán)利要求1所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟2具體包括如下步驟：
4.根據(jù)權(quán)利要求3所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟2.3具體包括如下步驟：
5.根據(jù)權(quán)利要求1所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟3具體包括如下步驟：
6.根據(jù)權(quán)利要求5所述的一種基于自然語(yǔ)言處理的智能科創(chuàng)項(xiàng)目評(píng)價(jià)方法，其特征在于，步驟3.5中，所述關(guān)鍵特征包括文本中的關(guān)鍵詞、實(shí)體、與評(píng)分標(biāo)準(zhǔn)相關(guān)的屬性。
7.根據(jù)權(quán)利要求1所述的一...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：林佳，劉琦，金媛媛，葉慧，
申請(qǐng)(專利權(quán))人：南京信息工程大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。