[發明專利]預測模型的訓練方法、專家推薦匹配方法、裝置以及介質

在審

• 申請號: 202210880565.8
• 申請日: 2022-07-25
• 公開（公告）號: CN115203570A
• 公開（公告）日: 2022-10-18
• 發明（設計）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（專利權）人: 廣東省華南技術轉移中心有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36;G06N3/04;G06N3/08
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 杜毅

本公開提供了一種用于專家推薦匹配的預測模型的訓練方法、專家推薦匹配方法、裝置以及存儲介質，涉及計算機技術領域，其中的方法包括：基于專家的成功方案信息和對應的企業需求信息進行文本表征分析處理，獲得與專家和企業相對應的文本表征信息；其中，專家與企業達成了合作；構建與專家和企業相對應的知識圖譜，獲取與專家和企業相對應的結構化信息；基于文本表征信息、結構化信息、瀏覽記錄信息和達成合作信息生成訓練樣本，對預測模型進行訓練處理。本公開提高了模型可解釋性和穩定性，提高了模型的訓練效率；解決了專家推薦所存在的無法智能地進行推薦匹配的問題，顯著提升了專家推薦的推薦精準度及推薦效率，提高用戶的使用體驗。

技術領域

本公開涉及計算機技術領域，尤其涉及一種用于專家推薦匹配的預測模型的訓練方法、專家推薦匹配方法、裝置以及存儲介質。

背景技術

企業在進行科技創新項目時，經常存在內部專家儲備不足、缺乏充足的專家資源問題，并且，現有的科技人才匹配方法存在科技人才庫內容不夠完善、缺乏科技人才已成功完成的項目及企業歷史項目需求等信息、人才推薦方法對企業項目需求信息處理方法較為簡單、無法辨別不同企業的要求區別等問題，無法有效衡量企業與專家之間適配度，無法有效為企業推薦合適的專家。因此，需要新的關于專家推薦匹配的技術方案。

發明內容

為了解決上述技術問題，提出了本公開。本公開的實施例提供了一種用于專家推薦匹配的預測模型的訓練方法、專家推薦匹配方法、裝置以及存儲介質。

根據本公開實施例的第一方面，提供一種用于專家推薦匹配的預測模型的訓練方法，包括：基于專家的成功方案信息和對應的企業需求信息進行文本表征分析處理，獲得與所述專家和所述企業相對應的文本表征信息；其中，所述專家與所述企業達成了合作；構建與所述專家和所述企業相對應的知識圖譜，基于所述知識圖譜獲取與所述專家和所述企業相對應的結構化信息；獲取所述專家和所述企業之間的瀏覽記錄信息、達成合作信息；基于所述文本表征信息、所述結構化信息、所述瀏覽記錄信息和所述達成合作信息生成訓練樣本；基于所述訓練樣本對預測模型進行訓練處理，獲得所述預測模型輸出的匹配預測信息并基于損失函數進行調整處理。

可選地，所述基于專家的成功方案信息和對應的企業需求信息進行文本表征分析處理，獲得與所述專家和所述企業相對應的文本表征信息包括：使用文本表征模型的Bert編碼器分別對所述專家的成功方案信息和所述企業需求信息進行處理，獲取與所述專家相對應的第一文本表征、與所述企業相對應的第二文本表征。

可選地，所述匹配預測信息包括：專家瀏覽企業的預測概率、企業瀏覽專家的預測概率、專家與企業的第二合作概率；所述基于損失函數進行調整處理包括：使用所述文本表征模型的相似性模塊，根據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的第一合作概率；根據所述第一合作概率構建第一損失子函數；基于所述專家瀏覽企業的預測概率、所述企業瀏覽專家的預測概率、所述第二合作概率，分別構建對應的第二損失子函數、第三損失子函數和第四合作子函數；根據所述第一損失子函數、所述第二損失子函數、第三損失子函數和所述第四合作子函數以及各自對應的加權系數，構建所述損失函數；根據所述損失函數對所述預測模型和所述文本表征模型進行調整處理。

可選地，所述構建與所述專家和所述企業相對應的知識圖譜包括：從所述成功方案信息中提取第一關鍵詞，作為所述第一實體；從所述成功方案信息中提取所述第一關鍵詞之間的第一關聯關系，作為所述第一關系；根據所述第一關鍵詞和所述第一關聯關系構建第一三元組，并基于所述第一三元組構建專家知識圖譜；從所述企業需求信息中提取第二關鍵詞，作為所述第二實體；從所述企業需求信息中提取所述第二關鍵詞之間的第二關聯關系，作為所述第二關系；根據所述第二關鍵詞和所述第二關聯關系構建第二三元組，并基于所述第二三元組構建所述企業需求圖譜；