买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：刘世洪

摘要：本发明涉及基于技术转移平台的用户偏好模型UIM的构建系统及方法，该构建系统包括：数据收集模块、需求本体库生成模块和表征库推荐模块；还涉及一种方法，该方法包括：获取用户输入的原始数据；对原始数据进行预处理；对多个语法字节进行概念提取；再进行分类提取，生成需求本体库；最后解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；然后确定用户偏好模型UIM。通过本发明的模型，对用户输入的数据进行优化处理，根据不同的分类提取，确定用户需求与推荐产品之间的映射关系，然后根据映射关系，确定用户偏好模型UIM，这样大大提高了匹配度和准确度。

主权项：1.基于技术转移平台的用户偏好模型UIM的构建系统，其特征在于，该用户偏好模型UIM是在技术转移平台中执行的，该构建系统包括：数据收集模块、需求本体库生成模块和表征库推荐模块；所述数据收集模块，用于获取用户输入的原始数据；所述需求本体库生成模块，用于对所述原始数据进行预处理，得到多个语法字节；以及用于对所述多个语法字节进行概念提取；还用于对概念提取后的所述多个语法字节进行分类提取，生成需求本体库；所述表征库推荐模块，用于对所述需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；以及还用于根据所述映射关系，确定用户偏好模型UIM，以便根据所述用户偏好模型UIM推荐匹配的产品。

全文数据：基于技术转移平台的用户偏好模型UIM的构建系统及方法技术领域[0001]本发明属于技术转移领域，尤其涉及基于技术转移平台的用户偏好模型UIM的构建系统及构建方法。背景技术[0002]在技术转移多方平台中，要想精准地确定供需双方的需求，并经过一定处理使两者之间完美匹配，必须构建适合技术转移平台的用户偏好模型UIMUserInterestModel。现有技术转移平台中，模型大多数用于给用户提供浏览信息，但其并未涉及用户偏好的。用户搜集信息的主要方式还是靠个人搜索，比较被动，也不利于转移平台的进一步发展，目前匹配算法很多，包括基于关键词的匹配方法等，但是这些匹配方法并没有针对不同的用户提供出对应的技术，现有的模型中也不具备良好的匹配效果，准确度不高。发明内容[0003]本发明所要解决的技术问题是:现有的技术中模型匹配效果比较差，准确度不高。[0004]为解决上面的技术问题，本发明提供了基于技术转移平台的用户偏好模型UIM的构建系统，该构建系统包括:该用户偏好模型是在技术转移平台中执行的，该供需匹配模型包括:数据收集模块、需求本体库生成模块和表征库推荐模块；[0005]所述数据收集模块，用于获取用户输入的原始数据；[0006]所述需求本体库生成模块，用于对所述原始数据进行预处理，得到多个语法字节；以及用于对所述多个语法字节进行概念提取;还用于对概念提取后的所述多个语法字节进行分类提取，生成需求本体库；[0007]所述表征库推荐模块，用于对所述需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；以及用于根据所述映射关系，确定用户偏好模型UIM，以便根据所述用户偏好模型UIM推荐匹配的产品。[0008]本发明的有益效果:通过上述的模型，对用户输入的数据进行优化处理，根据不同的分类提取，确定用户需求与推荐产品之间的映射关系，然后根据映射关系，确定用户偏好模型UIM，通过用户偏好模型UIM可以提高匹配度和准确度。[0009]进一步地，所述需求本体库生成模块，具体用于采用自然语义处理算法将原始数据处理为所述多个语法字节。[0010]上述进一步的有益效果:采用自然语义处理算法，可以为后续的分类提供更精确的计算。[0011]进一步地，所述需求本体库生成模块，具体用于根据P0S语义分析方法和产品领域的相关性特征，判断出每个语法字节的相关性，并根据每个语法字节的相关性对每个语法字节进行概念提取，其中所述产品领域是指所述原始数据所在的产品领域。[0012]进一步地，所述分类提取包括:分类关系提取和非分类关系提取。[0013]进一步地，所述分类关系提取是指通过采用字符串匹配算法和语法模式识别对所述多个语法字节进行分类关系提取;所述非分类关系提取是指通过自适应规则语义方法或者智能机器学习方法对所述多个语法字节进行非分类关系提取。[0014]本发明还涉及基于技术转移平台的用户偏好模型UIM的构建方法，该构建方法包括：[0015]获取用户输入的原始数据；[0016]对所述原始数据进行预处理，得到多个语法字节；[0017]对所述多个语法字节进行概念提取；[0018]对概念提取后的所述多个语法字节进行分类提取，生成需求本体库；[0019]对所述需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；[0020]根据所述映射关系，确定用户偏好模型UIM，以便根据所述用户偏好模型UIM推荐匹配的产品。[0021]本发明的有益效果:通过上述的方法，对用户输入的数据进行优化处理，根据不同的分类提取，确定用户需求与推荐产品之间的映射关系，然后根据映射关系，确定用户偏好模型IHM，通过用户偏好模型IHM可以提高匹配度和准确度。[0022]进一步地，对所述原始数据进行预处理，得到多个语法字节包括:采用自然语义处理算法将原始数据处理为所述多个语法字节。[0023]上述进一步的有益效果:采用自然语义处理算法，可以为后续的分类提供更精确的计算。[0024]进一步地，所述对所述多个语法字节进行概念提取包括:根据P0S语义分析方法和产品领域的相关性特征，判断出每个语法字节的相关性，并根据每个语法字节的相关性对每个语法字节进行概念提取，其中所述产品领域是指所述原始数据所在的产品领域。[0025]进一步地，所述分类提取包括:分类关系提取和非分类关系提取。[0026]进一步地，所述分类关系提取是指通过采用字符串匹配算法和语法模式识别对所述多个语法字节进行分类关系提取;所述非分类关系提取是指通过自适应规则语义方法或者智能机器学习方法对所述多个语法字节进行非分类关系提取。附图说明[0027]图1为本发明的基于技术转移平台的用户偏好模型UIM的构建系统的结构示意图；[0028]图2为本发明的基于技术转移平台的用户偏好模型UIM的构建方法的流程图。具体实施方式[0029]以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。[0030]如图1所示，本发明实施例1提供的是基于技术转移平台的用户偏好模型UIM的构建系统，该用户偏好模型UIM是在技术转移平台中执行的，该供需匹配模型包括:数据收集模块、需求本体库生成模块和表征库推荐模块；[0031]所述数据收集模块，用于获取用户输入的原始数据；[0032]所述需求本体库生成模块，用于对所述原始数据进行预处理，得到多个语法字节；以及用于对所述多个语法字节进行概念提取;还用于对概念提取后的所述多个语法字节进行分类提取，生成需求本体库；[0033]所述表征库推荐模块，用于对所述需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；以及用于根据所述映射关系，确定用户偏好模型UIM，以便根据所述用户偏好模型UIM推荐匹配的产品。[0034]需要说明的是，在本实施例1中获取用户输入的原始数据，然后对这些输入的原始数据进行预处理，将这些原始数据细化为一个个语法字节;将分成的语法字节进行概念提取，剔除语法字节中一些无关词，比如形容词和定冠词，将语法字节细化为一个个名词或者名词短语的标签等等，再对需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；以及用于根据该映射关系，确定用户偏好模型UIM。[0035]可选地，在另一实施例2中所述需求本体库生成模块，具体用于采用自然语义处理算法将原始数据处理为所述多个语法字节。[0036]可以理解的是，本实施例2是在上述实施例1的基础上进行的另一实施例，在本实施例2中通过采用自然语义处理算法将原始数据细化为一个个语法字节。[0037]可选地，在另一实施例3中所述需求本体库生成模块，具体用于根据P0S语义分析方法和产品领域的相关性特征，判断出每个语法字节的相关性，并根据每个语法字节的相关性对每个语法字节进行概念提取，其中所述产品领域是指所述原始数据所在的产品领域。[0038]可以理解的是，本实施例3是在上述实施例1或者实施例2上进行的另一实施例，在本实施例3中使用P0Spart-〇f-speech语义分析方法，并结合产品领域的相关性特征，进行概念的提取，剔除语法字节中一些无关词，比如形容词和定冠词，将语法字节细化为一个个名词或者名词短语的标签，并运用语义的模式分析进行归类，同时通过产品领域相关性判断每个名词或者名词短语的相关性，从而提取出重要概念。[0039]可选地，在另一实施例4中所述分类提取包括:分类关系提取和非分类关系提取。[0040]可以理解的是，本实施例4是在上述实施例3的基础上进行的另一实施例，在本实施例4中分类关系对应用户的精准需求，非分类关系对应用户的迷糊需求，要对本体的准确度进行评估，这里可以采用专家打分法，得分较高者精准度高，错误信息少。[0041]可选地，在另一实施例5中所述分类关系提取是指通过采用字符串匹配算法和语法模式识别对所述多个语法字节进行分类关系提取;所述非分类关系提取是指通过自适应规则语义方法或者智能机器学习方法对所述多个语法字节进行非分类关系提取。[0042]可以理解的是，本实施例5是在上述实施例4的基础上进行的另一实施例，在本实施例5中采用语法模式识别发现词汇之间的语法规则，确定分类关系。最后，采用自适应规则语义进行非分类关系的提取。自适应规则语义方法能通过对语义情景的识别以及词义的分析，判断出复杂语法句式下相对精准的关联关系。[0043]本发明实施例6中提供的是基于技术转移平台的用户偏好模型UIM的构建方法，该构建方法包括：[0044]获取用户输入的原始数据；[0045]对所述原始数据进行预处理，得到多个语法字节；[0046]对所述多个语法字节进行概念提取；[0047]对概念提取后的所述多个语法字节进行分类提取，生成需求本体库；[0048]对所述需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；[0049]根据所述映射关系，确定用户偏好模型UIM，以便根据所述用户偏好模型UIM推荐匹配的产品。[0050]可以理解的是，在本实施例6中获取用户输入的原始数据，然后对这些输入的原始数据进行预处理，将这些原始数据细化为一个个语法字节;将分成的语法字节进行概念提取，剔除语法字节中一些无关词，比如形容词和定冠词，将语法字节细化为一个个名词或者名词短语的标签等等，再对需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；以及用于根据该映射关系，确定用户偏好模型UIM。[0051]可选地，在另一实施例7中对所述原始数据进行预处理，得到多个语法字节包括：采用自然语义处理算法将原始数据处理为所述多个语法字节。[0052]可以理解的是，本实施例7是在上述实施例6的基础上进行的另一实施例，在本实施例7中通过采用自然语义处理算法将原始数据细化为一个个语法字节。[0053]可选地，在另一实施例8中所述对所述多个语法字节进行概念提取包括:根据P〇S语义分析方法和产品领域的相关性特征，判断出每个语法字节的相关性，并根据每个语法字节的相关性对每个语法字节进行概念提取，其中所述产品领域是指所述原始数据所在的产品领域。[00M]可以理解的是，本实施例8是在上述实施例7或者实施例6的基础上进行的另一实施例，在本实施例8中使用P〇Spart-of-speech语义分析方法，并结合产品领域的相关性特征，进行概念的提取，剔除语法字节中一些无关词，比如形容词和定冠词，将语法字节细化为一个个名词或者名词短语的标签，并运用语义的模式分析进行归类，同时通过产品领域相关性判断每个名词或者名词短语的相关性，从而提取出重要概念。[0055]可选地，在另一实施例9中所述分类提取包括:分类关系提取和非分类关系提取。[0056]可以理解的是，本实施例9是在上述实施例8的基础上进行的另一实施例，在本实施例9中分类关系对应用户的精准需求，非分类关系对应用户的迷糊需求，要对本体的准确度进行评估，这里可以采用专家打分法，得分较高者精准度高，错误信息少。[0057]可选地，在另一实施例10中所述分类关系提取是指通过采用字符串匹配算法和语法模式识别对所述多个语法字节进行分类关系提取;所述非分类关系提取是指通过自适应规则语义方法或者智能机器学习方法对所述多个语法字节进行非分类关系提取。[0058]可以理解的是，本实施例10是在上述实施例9的基础上进行的另一实施例，在本实施例10中采用语法模式识别发现词汇之间的语法规则，确定分类关系。最后，采用自适应规则语义进行非分类关系的提取。自适应规则语义方法能通过对语义情景的识别以及词义的分析，判断出复杂语法句式下相对精准的关联关系。[0059]在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。[0060]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

权利要求：1.基于技术转移平台的用户偏好模型UIM的构建系统，其特征在于，该用户偏好模型UIM是在技术转移平台中执行的，该构建系统包括：数据收集模块、需求本体库生成模块和表征库推荐模块；所述数据收集模块，用于获取用户输入的原始数据；所述需求本体库生成模块，用于对所述原始数据进行预处理，得到多个语法字节；以及用于对所述多个语法字节进行概念提取;还用于对概念提取后的所述多个语法字节进行分类提取，生成需求本体库；所述表征库推荐模块，用于对所述需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；以及还用于根据所述映射关系，确定用户偏好模型UIM，以便根据所述用户偏好模型UIM推荐匹配的产品。2.根据权利要求1所述的构建系统，其特征在于，所述需求本体库生成模块，具体用于采用自然语义处理算法将原始数据处理为所述多个语法字节。3.根据权利要求1或2所述的构建系统，其特征在于，所述需求本体库生成模块，具体用于根据POS语义分析方法和产品领域的相关性特征，判断出每个语法字节的相关性，并根据每个语法字节的相关性对每个语法字节进行概念提取，其中所述产品领域是指所述原始数据所在的产品领域。4.根据权利要求3所述的构建系统，其特征在于，所述分类提取包括:分类关系提取和非分类关系提取。5.根据权利要求4所述的构建系统，其特征在于，所述分类关系提取是指通过采用字符串匹配算法和语法模式识别对所述多个语法字节进行分类关系提取;所述非分类关系提取是指通过自适应规则语义方法或者智能机器学习方法对所述多个语法字节进行非分类关系提取。6.基于技术转移平台的用户偏好模型UIM的构建方法，其特征在于，该构建方法包括：获取用户输入的原始数据；对所述原始数据进行预处理，得到多个语法字节；对所述多个语法字节进行概念提取；对概念提取后的所述多个语法字节进行分类提取，生成需求本体库；对所述需求本体库进行解析，并根据解析结果建立用户需求与推荐产品之间的映射关系；根据所述映射关系，确定用户偏好模型IHM，以便根据所述用户偏好模型UIM推荐匹配的广品。7.根据权利要求6所述的构建方法，其特征在于，对所述原始数据进行预处理，得到多个语法字节包括:采用自然语义处理算法将原始数据处理为所述多个语法字节。8.根据权利要求6或7所述的构建方法，其特征在于，所述对所述多个语法字节进行概念提取包括:根据POS语义分析方法和产品领域的相关性特征，判断出每个语法字节的相关性，并根据每个语法字节的相关性对每个语法字节进行概念提取，其中所述产品领域是指所述原始数据所在的产品领域。9.根据权利要求8所述的构建方法，其特征在于，所述分类提取包括:分类关系提取和非分类关系提取。10.根据权利要求9所述的构建方法，其特征在于，所述分类关系提取是指通过采用字符串匹配算法和语法模式识别对所述多个语法字节进行分类关系提取;所述非分类关系提取是指通过自适应规则语义方法或者智能机器学习方法对所述多个语法字节进行非分类关系提取。

百度查询： 刘世洪 基于技术转移平台的用户偏好模型UIM的构建系统及方法