龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：清华大学深圳国际研究生院
申请日：2024-11-29
公开（公告）日：2024-12-31
公开（公告）号：CN119226819A
专利技术分类：..匹配标准，例如相邻性测量[2023.01]
专利摘要：本发明提出了一种基于动态学术合作网络图表征学习的科研项目专家匹配方法，旨在提高科研项目管理中的专家匹配效率和质量。通过构建动态复杂网络图，将学者作为节点，合作关系作为有向边，本方法综合考虑了学者的过往研究历史和合作经历。利用图结构学习和Transformer架构，对学者节点进行特征向量学习，实现科研项目与专家学者之间的精准匹配。该方法在人工智能和数据挖掘领域数据集上取得了超过80%的匹配精度和89%以上的标准化折扣累积收益，有效解决了现有技术在运算成本和学者特征信息利用上的局限性，为科研项目推荐合适的合作者提供了创新解决方案。
专利权项：1.一种基于动态学术合作网络图表征学习的科研项目专家匹配方法，其特征在于，包括以下步骤：S1.构建表示科研合作网络的动态复杂网络图，包括学者节点和表示合作关系的有向边，以及与边相关联的时间戳；其中，以论文为连边，其第一作者为中心节点，其他作者为邻居节点，连边的方向从论文的第一作者指向其他作者，时间戳表示论文发表的时间；S2.为网络中的每个学者节点学习一个特征向量，该向量用于捕捉节点的属性；S3.利用预训练语言模型对节点特征向量进行初始化；S4.根据构建的动态复杂网络图和节点关系，将每篇论文的第一作者节点及其相关邻居节点的信息进行整合，构建用于Transformer模型训练的查询序列和键值对数据；S5.通过Transformer模型的多头注意力机制，对查询序列和键值对数据进行处理，以学习科研项目与专家学者之间的匹配性；S6.在模型训练完成后，固定模型参数，通过推理过程得到学者节点的表征向量，为科研项目匹配最合适的专家学者。
百度查询： 清华大学深圳国际研究生院 一种基于动态学术合作网络图表征学习的科研项目专家匹配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号