[發(fā)明專利]高校專利個(gè)性化推薦系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010031875.3
• 申請(qǐng)日: 2020-01-13
• 公開(kāi)（公告）號(hào): CN111259110A
• 公開(kāi)（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 冉從敬;宋凱
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/35
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 石超群

1.一種高校專利個(gè)性化推薦系統(tǒng)，其特征在于，包括：

數(shù)據(jù)檢索與預(yù)處理模塊，基于預(yù)設(shè)技術(shù)領(lǐng)域進(jìn)行檢索得到對(duì)應(yīng)的專利數(shù)據(jù)，并對(duì)該專利數(shù)據(jù)進(jìn)行自然語(yǔ)言處理，將文本向量轉(zhuǎn)換成詞向量；對(duì)分詞數(shù)據(jù)集進(jìn)行整理、更新、迭代，獲取最優(yōu)的分詞結(jié)果集；

主題提取與文本聚類模塊，采用LDA模型對(duì)檢索得到的專利數(shù)據(jù)進(jìn)行主題提取，得到文檔-主題概率矩陣，并用最相關(guān)的語(yǔ)義詞對(duì)主題進(jìn)行概括；

專利數(shù)據(jù)聚類劃分模塊，依據(jù)文檔-主題概率矩陣，計(jì)算K-means算法的初始聚類中心值，進(jìn)而運(yùn)用K-means算法進(jìn)行文本聚類，設(shè)置聚類數(shù)、初始聚類中心、迭代次數(shù)，從而對(duì)檢索得到的專利數(shù)據(jù)進(jìn)行聚類劃分；以及

待推薦專利數(shù)據(jù)生成模塊，結(jié)合高校專利數(shù)據(jù)與目標(biāo)企業(yè)的技術(shù)強(qiáng)弱情況，通過(guò)相似度計(jì)算生成待推薦給所述目標(biāo)企業(yè)的專利數(shù)據(jù)列表。

2.如權(quán)利要求1所述的高校專利個(gè)性化推薦系統(tǒng)，其特征在于：

所述數(shù)據(jù)檢索與預(yù)處理模塊執(zhí)行如下處理過(guò)程：在檢索得到對(duì)應(yīng)的專利數(shù)據(jù)后，利用R語(yǔ)言的jiebaR包對(duì)檢索得到的專利數(shù)據(jù)進(jìn)行文本分詞、去停用詞、篩選詞等自然語(yǔ)言處理；然后對(duì)分詞結(jié)果集進(jìn)行詞典更新、多輪迭代等最優(yōu)化整理。

3.如權(quán)利要求2所述的高校專利個(gè)性化推薦系統(tǒng)，其特征在于：

所述主題提取與文本聚類模塊執(zhí)行如下處理過(guò)程：利用R語(yǔ)言的lda包對(duì)檢索得到的專利數(shù)據(jù)進(jìn)行主題提取；利用LDAvis包展示主題可視化結(jié)果，調(diào)整主題數(shù)目、alpha值和beta值，利用多維尺度分析確定最優(yōu)主題數(shù)目、判斷主題模型抽取結(jié)果的優(yōu)異程度；將LDA模型與K-means算法融合，依據(jù)LDA提取的文檔-主題概率矩陣，在K個(gè)主題的維度上確定初始聚類中心，設(shè)置聚類數(shù)、迭代次數(shù)，實(shí)現(xiàn)對(duì)檢索得到的專利數(shù)據(jù)進(jìn)行聚類劃分。

4.如權(quán)利要求3所述的高校專利個(gè)性化推薦系統(tǒng)，其特征在于：

所述待推薦專利數(shù)據(jù)生成模塊為基于內(nèi)容推薦的數(shù)據(jù)生成模塊，執(zhí)行如下處理過(guò)程：確定所述目標(biāo)企業(yè)的技術(shù)重點(diǎn)主題，通過(guò)與該重點(diǎn)主題下的專利進(jìn)行平均主題相似度計(jì)算對(duì)高校專利匯總列表進(jìn)行篩選，從而生成基于內(nèi)容推薦的高校專利列表。

5.如權(quán)利要求3所述的高校專利個(gè)性化推薦系統(tǒng)，其特征在于：

所述待推薦專利數(shù)據(jù)生成模塊為基于協(xié)同過(guò)濾推薦的數(shù)據(jù)生成模塊，執(zhí)行如下處理過(guò)程：確定所述目標(biāo)企業(yè)的技術(shù)薄弱主題，統(tǒng)計(jì)對(duì)應(yīng)主題中專利數(shù)量最多的技術(shù)競(jìng)爭(zhēng)者集合，通過(guò)與技術(shù)競(jìng)爭(zhēng)企業(yè)的專利進(jìn)行平均主題相似度計(jì)算對(duì)高校專利匯總列表進(jìn)行篩選，從而生成基于協(xié)同過(guò)濾推薦的高校專利列表。

6.如權(quán)利要求3所述的高校專利個(gè)性化推薦系統(tǒng)，其特征在于：

所述待推薦專利數(shù)據(jù)生成模塊為混合模式推薦的生成模塊，執(zhí)行如下處理過(guò)程：

首先，確定所述目標(biāo)企業(yè)的技術(shù)重點(diǎn)主題，通過(guò)與該重點(diǎn)主題下的專利進(jìn)行平均主題相似度計(jì)算對(duì)高校專利匯總列表進(jìn)行篩選，從而生成基于內(nèi)容推薦的高校專利列表，

然后，確定所述目標(biāo)企業(yè)的技術(shù)薄弱主題，統(tǒng)計(jì)對(duì)應(yīng)主題中專利數(shù)量最多的技術(shù)競(jìng)爭(zhēng)者集合，通過(guò)與技術(shù)競(jìng)爭(zhēng)企業(yè)的專利進(jìn)行平均主題相似度計(jì)算對(duì)高校專利匯總列表進(jìn)行篩選，從而生成基于協(xié)同過(guò)濾推薦的高校專利列表，

最后，對(duì)基于內(nèi)容推薦和基于協(xié)同過(guò)濾推薦分別得到的高校專利列表進(jìn)行數(shù)據(jù)組合，從而生成最優(yōu)推薦的高校專利列表。