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：复旦大学

摘要：本申请公开了一种多维度矩阵式对接科研工作者和技术型企业的方法及系统，所述方法包括：将面向对象分为两种类别，包括科研工作者和技术型企业；采用网页爬虫和大语言模型对各对象的动态特征进行提取；采用机器学习方法与大语言模型结合，整理通用的特征标签对各对象进行标记；基于对象的动态特征与特征标签将各对象进行多维度排列组合；采用全连接神经网络确定各排列组合结果的匹配程度，体现为分值；响应于所述排列组合匹配程度分值与匹配阈值的关系，确定值得输出的排列组合结果，并记录为匹配结果。通过动态特征的提取，本申请的对接方法能够支持实时信息更新和高效数据管理，能够促进科研资源的优化配置和国际化科研合作，提高科研项目的成功率和产出效益。

主权项：1.一种多维度矩阵式对接科研工作者和技术型企业的方法，所述方法用于提高科研工作者与科技企业间的合作效率，其特征在于，所述方法包括：1：基于对象是否为个人，将面向对象分为两种类别，即科研工作者和技术型企业；2：从个性化特征、需求和供给三种角度，基于网页爬虫和大语言模型文本处理，对对象的动态特征进行提取；2.1：基于科研工作者或技术型企业的主页链接，采用网页爬虫获取链接中的文本内容，并使用面向语言处理的机器学习模型进行文本清洗；2.2：基于包含对象特征信息的相关文本，采用大语言模型进行特征提取，从文本中筛选出对象的个性化特征，并根据这些特征和实时的领域现状推测出对象可能的需求和供给；3：基于提取到的对象特征，采用机器学习方法与大语言模型结合，从多维度概括特征的共性与差异，整理通用的特征标签对各对象进行标记；4：基于对象的动态特征与特征标签将各对象进行多维度排列组合；4.1：根据对象的需求与特征标签，使用大语言模型预测其匹配期望与特征标签的对应关系；4.2：收集所有待匹配对象的匹配期望，使用机器学习模型对匹配期望进行归纳与分类；4.3：基于各对象的供给与特征标签，使用机器学习模型针对每个类别的匹配期望生成多种组合结果；5：基于各对象的动态特征与特征标签，采用全连接神经网络确定各排列组合结果的匹配程度，体现为分值；5.1：将组合中对象的特征标签进行数字化编码，转化为特征向量；5.2：将步骤5.1中获取的各对象特征向量进行拼接，输入全连接神经网络；5.3：全连接神经网络对输入特征向量进行处理，输出预测的匹配分值；6：响应于所述排列组合匹配程度分值与匹配阈值的关系，确定值得输出的排列组合结果，并记录为匹配结果。

全文数据：

权利要求：

百度查询： 复旦大学 一种多维度矩阵式对接科研工作者和技术型企业的方法