[發(fā)明專利]預(yù)測(cè)模型的訓(xùn)練方法、專家推薦匹配方法、裝置以及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210880565.8
• 申請(qǐng)日: 2022-07-25
• 公開(kāi)（公告）號(hào): CN115203570A
• 公開(kāi)（公告）日: 2022-10-18
• 發(fā)明（設(shè)計(jì)）人: 李程;賴培源;李奎;邱珊珊;閆永驊;廖曉東;李岱素;王增輝;蔡煥濤
• 申請(qǐng)（專利權(quán)）人: 廣東省華南技術(shù)轉(zhuǎn)移中心有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/36;G06N3/04;G06N3/08
• 代理公司: 北京思源智匯知識(shí)產(chǎn)權(quán)代理有限公司 11657
• 代理人: 杜毅

1.一種用于專家推薦匹配的預(yù)測(cè)模型的訓(xùn)練方法，包括：

基于專家的成功方案信息和對(duì)應(yīng)的企業(yè)需求信息進(jìn)行文本表征分析處理，獲得與所述專家和所述企業(yè)相對(duì)應(yīng)的文本表征信息；其中，所述專家與所述企業(yè)達(dá)成了合作；

構(gòu)建與所述專家和所述企業(yè)相對(duì)應(yīng)的知識(shí)圖譜，基于所述知識(shí)圖譜獲取與所述專家和所述企業(yè)相對(duì)應(yīng)的結(jié)構(gòu)化信息；

獲取所述專家和所述企業(yè)之間的瀏覽記錄信息、達(dá)成合作信息；

基于所述文本表征信息、所述結(jié)構(gòu)化信息、所述瀏覽記錄信息和所述達(dá)成合作信息生成訓(xùn)練樣本；

基于所述訓(xùn)練樣本對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練處理，獲得所述預(yù)測(cè)模型輸出的匹配預(yù)測(cè)信息并基于損失函數(shù)進(jìn)行調(diào)整處理。

2.如權(quán)利要求1所述的方法，所述基于專家的成功方案信息和對(duì)應(yīng)的企業(yè)需求信息進(jìn)行文本表征分析處理，獲得與所述專家和所述企業(yè)相對(duì)應(yīng)的文本表征信息包括：

使用文本表征模型的Bert編碼器分別對(duì)所述專家的成功方案信息和所述企業(yè)需求信息進(jìn)行處理，獲取與所述專家相對(duì)應(yīng)的第一文本表征、與所述企業(yè)相對(duì)應(yīng)的第二文本表征。

3.如權(quán)利要求2所述的方法，其中，所述匹配預(yù)測(cè)信息包括：專家瀏覽企業(yè)的預(yù)測(cè)概率、企業(yè)瀏覽專家的預(yù)測(cè)概率、專家與企業(yè)的第二合作概率；所述基于損失函數(shù)進(jìn)行調(diào)整處理包括：

使用所述文本表征模型的相似性模塊，根據(jù)所述第一文本表征和所述第二文本表征確定所述專家與所述企業(yè)的第一合作概率；

根據(jù)所述第一合作概率構(gòu)建第一損失子函數(shù)；

基于所述專家瀏覽企業(yè)的預(yù)測(cè)概率、所述企業(yè)瀏覽專家的預(yù)測(cè)概率、所述第二合作概率，分別構(gòu)建對(duì)應(yīng)的第二損失子函數(shù)、第三損失子函數(shù)和第四合作子函數(shù)；

根據(jù)所述第一損失子函數(shù)、所述第二損失子函數(shù)、第三損失子函數(shù)和所述第四合作子函數(shù)以及各自對(duì)應(yīng)的加權(quán)系數(shù)，構(gòu)建所述損失函數(shù)；

根據(jù)所述損失函數(shù)對(duì)所述預(yù)測(cè)模型和所述文本表征模型進(jìn)行調(diào)整處理。

4.如權(quán)利要求1所述的方法，所述構(gòu)建與所述專家和所述企業(yè)相對(duì)應(yīng)的知識(shí)圖譜包括：

從所述成功方案信息中提取第一關(guān)鍵詞，作為所述第一實(shí)體；

從所述成功方案信息中提取所述第一關(guān)鍵詞之間的第一關(guān)聯(lián)關(guān)系，作為所述第一關(guān)系；

根據(jù)所述第一關(guān)鍵詞和所述第一關(guān)聯(lián)關(guān)系構(gòu)建第一三元組，并基于所述第一三元組構(gòu)建專家知識(shí)圖譜；

從所述企業(yè)需求信息中提取第二關(guān)鍵詞，作為所述第二實(shí)體；

從所述企業(yè)需求信息中提取所述第二關(guān)鍵詞之間的第二關(guān)聯(lián)關(guān)系，作為所述第二關(guān)系；

根據(jù)所述第二關(guān)鍵詞和所述第二關(guān)聯(lián)關(guān)系構(gòu)建第二三元組，并基于所述第二三元組構(gòu)建所述企業(yè)需求圖譜。

5.如權(quán)利要求2所述的方法，其中，所述結(jié)構(gòu)化信息包括：隱向量；所述基于所述知識(shí)圖譜獲取與所述專家和所述企業(yè)相對(duì)應(yīng)的結(jié)構(gòu)化信息包括：

構(gòu)建與所述專家知識(shí)圖譜、所述企業(yè)需求圖譜相對(duì)應(yīng)的GCN模型；

使用所述GCN模型分別將所述專家知識(shí)圖譜、所述企業(yè)需求圖譜拆解為多個(gè)子圖集合，對(duì)多個(gè)子圖集合中的每個(gè)子圖進(jìn)行卷積處理，得到與所述專家和所述企業(yè)相對(duì)應(yīng)的隱向量。

6.如權(quán)利要求1至5任一項(xiàng)所述的方法，其中，

所述瀏覽記錄信息包括：專家瀏覽企業(yè)的歷史記錄、企業(yè)瀏覽專家的歷史記錄、專家瀏覽企業(yè)的歷史概率、企業(yè)瀏覽專家的歷史概率、專家與企業(yè)的歷史合作概率；

所述達(dá)成合作信息包括：專家與企業(yè)達(dá)成合作的歷史記錄、專家與企業(yè)的歷史合作概率。

7.一種專家推薦匹配方法，包括：

獲取訓(xùn)練好的預(yù)測(cè)模型；其中，所述預(yù)測(cè)模型是通過(guò)如權(quán)利要求1至6任一項(xiàng)所述的訓(xùn)練方法訓(xùn)練得到；

基于專家的技術(shù)方案信息和對(duì)應(yīng)的企業(yè)需求信息進(jìn)行文本表征分析處理，獲得與所述專家和所述企業(yè)相對(duì)應(yīng)的文本表征信息；

構(gòu)建與所述專家和所述企業(yè)相對(duì)應(yīng)的知識(shí)圖譜，基于所述知識(shí)圖譜獲取與所述專家和所述企業(yè)相對(duì)應(yīng)的結(jié)構(gòu)化信息；

使用預(yù)測(cè)模型并基于所述文本表征信息和所述結(jié)構(gòu)化信息，獲得所述預(yù)測(cè)模型輸出的匹配預(yù)測(cè)信息。