一种面向科研立项查重的句向量生成方法及查重方法

    公开(公告)号:CN114943220A

    公开(公告)日:2022-08-26

    申请号:CN202210382556.6

    申请日:2022-04-12

    Abstract: 本发明公开了一种面向科研立项查重的句向量生成方法及查重方法。本发明句向量生成方法为:1)对于一科研项目申报书的文本进行分词,计算每一分词w的词频及词频权重;2)设置每一分词w的词性权重;3)根据分词w所在句子在所述文本中的位置,确定该句子中分词w的位置权重;4)根据各句子中分词的分词w的词频权重、词性权重和位置权重计算对应句子中分词w的词权重;5)根据分词w的词权重生成文本的句向量矩阵;6)去除句向量矩阵的前m个主成分,对句向量矩阵中的每一句向量进行更新;7)将科研项目申报书的文本输入Doc2Vec模型,生成文本的句向量并将其与步骤6)更新后的句向量加权平均,得到文本中每一句子对应的句向量。

    一种面向科研立项查重的句向量生成方法及查重方法

    公开(公告)号:CN114943220B

    公开(公告)日:2023-01-10

    申请号:CN202210382556.6

    申请日:2022-04-12

    Abstract: 本发明公开了一种面向科研立项查重的句向量生成方法及查重方法。本发明句向量生成方法为:1)对于一科研项目申报书的文本进行分词,计算每一分词w的词频及词频权重;2)设置每一分词w的词性权重;3)根据分词w所在句子在所述文本中的位置,确定该句子中分词w的位置权重;4)根据各句子中分词的分词w的词频权重、词性权重和位置权重计算对应句子中分词w的词权重;5)根据分词w的词权重生成文本的句向量矩阵;6)去除句向量矩阵的前m个主成分,对句向量矩阵中的每一句向量进行更新;7)将科研项目申报书的文本输入Doc2Vec模型,生成文本的句向量并将其与步骤6)更新后的句向量加权平均,得到文本中每一句子对应的句向量。

    基于图神经网络的科研知识图谱人才推荐方法及装置

    公开(公告)号:CN112905891B

    公开(公告)日:2021-12-10

    申请号:CN202110244940.5

    申请日:2021-03-05

    Abstract: 本发明公开了一种基于图神经网络的科研知识图谱人才推荐方法及装置,包括:抽取待处理科研成果论文数据中各实体的实体特征与实体之间的关联关系信息,建立科研知识图谱;依据实体特征,构成各节点的统一特征表示;通过统一特征表示与关联关系信息,构建图神经网络,并对所述图神经网络进行训练,得到各节点的评分值;根据各作者节点的评分值,得到人才推荐的预测结果。本发明通过加入各类实体间的关联关系,丰富后续数据挖掘中可用到的信息,以生成不同的贡献度权重,使模型对信息的利用更有选择性,并将节点入度值作为调整最终得分值的一个重要数值依据,提高了模型的学习预测能力。

    基于图神经网络的科研知识图谱人才推荐方法及装置

    公开(公告)号:CN112905891A

    公开(公告)日:2021-06-04

    申请号:CN202110244940.5

    申请日:2021-03-05

    Abstract: 本发明公开了一种基于图神经网络的科研知识图谱人才推荐方法及装置,包括:抽取待处理科研成果论文数据中各实体的实体特征与实体之间的关联关系信息,建立科研知识图谱;依据实体特征,构成各节点的统一特征表示;通过统一特征表示与关联关系信息,构建图神经网络,并对所述图神经网络进行训练,得到各节点的评分值;根据各作者节点的评分值,得到人才推荐的预测结果。本发明通过加入各类实体间的关联关系,丰富后续数据挖掘中可用到的信息,以生成不同的贡献度权重,使模型对信息的利用更有选择性,并将节点入度值作为调整最终得分值的一个重要数值依据,提高了模型的学习预测能力。

Patent Agency Ranking