[发明专利]一种基于知识图谱推理的科研项目申报信息语义推荐方法

权利要求书

1.一种基于知识图谱推理的科研项目申报信息语义推荐方法，其特征在于，包括以下步骤：

S1：将个人信息转换成知识图谱；

S2：将科研申报信息转换成知识图谱；

S3：将得到的个人信息知识图谱和科研申报信息知识图谱进行语义逻辑逆推理：据步骤S2所转换完成的科研申报信息知识图谱得出以下关系：IndividualOf(I,C1)→IndividualOf(I,C2)or IndividualOf(I,C3)，其中，I为个人信息知识图谱中的“工作单位”下的个体，C1为“工作单位”，C2为“申报范围”，C3为“申报性质”；

S4：计算科研申报信息剩余时间分数；

S5：利用步骤S4得到的结果进行语义推荐；

所述步骤S1的具体过程如下：

S11：建立用户的个人信息集，并通过用户所在院校、姓名信息在知网、万方学术网站收集到用户曾发表的学术论文，将曾发表的学术论文信息整合后建立多个领域关键词，将领域关键词添加到个人信息集形成新的个人信息集；

S12：在个人信息知识图谱中以姓名、性别、职称、学历、研究领域、工作单位关键词建立多个“申报条件”，同时建立“申报符合”的ObjectPropert属性；

S13：将步骤S11建立的个人信息集内容转化为个人信息知识图谱的“申报条件”下的单独个体；

S14：将姓名与其他个人信息分别做个体关联，其中以“申报符合”为关联属性；

S15：定义两个得分变量Conform和Condition，其中Conform为满足科研项目申报条件数，Condition为个人所拥有的科研条件数；

通过步骤S1中的定义，得出两种结果：①ContainOf(I,C2,C3)，此时个人条件满足申报范围与申报性质；②NotContainOf(I,C2,C3)，此时个人条件不满足申报范围与申报性质。

2.根据权利要求1所述的基于知识图谱推理的科研项目申报信息语义推荐方法，其特征在于，所述步骤S2的具体过程如下：

S21：把常见的职称、年龄、研究领域申报要求类别进行收集整合，根据整合后的申报要求类别的内容定义过滤规则并定义申报要求集；

S22：采集科研申报信息；

S23：在科研申报信息知识图谱中建立：“姓名”、“申报范围”、“申报级别”、申报要求的多个类别、不符合申报要求的多个类别，同时建立“身份”的ObjectPropert属性；

S24：对步骤S22的科研申报信息集进行申报要求信息提取；

S25：科研申报信息的知识图谱转换。

3.根据权利要求2所述的基于知识图谱推理的科研项目申报信息语义推荐方法，其特征在于，所述步骤S22的过程是：

S221：对各级别教育厅公告、各大高校科研处和已有的科研项目申报信息网站进行实时监控；

S222：将各级别教育厅下发的公告内容采集后，根据标题、正文内容、发布栏目名称的信息源对公告进行过滤提取出科研项目申报公告，将公告中的科研申报信息放入科研申报信息集中；

S223：将各大高校科研处发布的科研申报信息的公告内容采集后放入科研申报信息集中；

S224：将已有的科研项目申报信息网站所发布的申报信息采集后放入科研申报信息集中；

S225：将步骤S222、步骤S223、步骤S224的科研申报信息集中每一条科研申报信息根据其内容提取范围和级别的关键词作“申报范围”和“申报级别”的标记。

4.根据权利要求3所述的基于知识图谱推理的科研项目申报信息语义推荐方法，其特征在于，所述步骤S23中在“申报符合”的ObjectPropert属性中，将Domain定义为“姓名”，将Range定义为“申报要求”；对步骤S23中建立的类别做以下定义：disjointWith(C1,C2)，其中C1是“申报要求”，C2是“非申报要求”。