[发明专利]一种基于神经网络的科技成果自学习方法及装置

权利要求书

1.一种基于神经网络的科技成果自学习方法，其特征在于：包括以下步骤；

S1，获取用户历史搜索记录，建立词频算法，通过词频算法对历史搜索记录进行计算，根据计算结果确定待添加科技成果样本集的关键词，根据关键词抓取待选取科技成果；

S2，建立神经网络模型，通过神经网络模型计算待添加科技成果样本集中科技成果的第一特征值以及待选取科技成果的第二特征值；

S3，根据第一特征值与第二特征值从待选取科技成果中确定待添加科技成果，将待添加科技成果添加至待添加科技成果样本集中。

2.如权利要求1所述的基于神经网络的科技成果自学习方法，其特征在于：步骤S1中，获取用户历史搜索记录，建立词频算法，通过词频算法对历史搜索记录进行计算，根据计算结果确定待添加科技成果样本集的关键词，根据关键词抓取待选取科技成果，还包括以下步骤，获取用户历史搜索记录，建立词频算法，通过词频算法计算用户历史搜索记录中每个词语的词频，将词频数值最大的词语作为待添加科技成果样本集的关键词，根据关键词抓取待选取科技成果。

3.如权利要求2所述的基于神经网络的科技成果自学习方法，其特征在于：根据关键词抓取待选取科技成果，还包括以下步骤，设定筛选类型，所述类型包括：论文、期刊以及专利，根据关键词抓取科技成果，根据筛选类型对抓取的科技成果进行筛选，将满足筛选类型的科技成果作为待选取科技成果。

4.如权利要求2所述的基于神经网络的科技成果自学习方法，其特征在于：还包括以下步骤，所述词频算法为：

其中，P代表词语的词频，m代表历史记录的文章中词语出现的次数，n代表历史记录的文章中所有词语的数量，W代表历史记录中所有的文章的数量，w代表历史记录中出现带有这个词语的文章的数量，S代表关键词修正系数。

5.如权利要求2所述的基于神经网络的科技成果自学习方法，其特征在于：步骤S2中，建立神经网络模型，通过神经网络模型计算待添加科技成果样本集中科技成果的第一特征值以及待选取科技成果的第二特征值，还包括以下步骤，建立神经网络模型，通过神经网络模型的卷积层提取科技成果的特征值，并将特征值绘制成特征图，通过神经网络模型的池化层提取特征图中的主要特征值，根据主要特征值通过神经网络模型的全连接层函数分别计算科技成果样本集中科技成果的最终特征值作为第一特征值以及待选取科技成果的最终特征值作为第二特征值。

6.如权利要求5所述的基于神经网络的科技成果自学习方法，其特征在于：步骤S3中，根据第一特征值与第二特征值从待选取科技成果中确定待添加科技成果，将待添加科技成果添加至待添加科技成果样本集中，还包括以下步骤，将第一特征值对第二特征值进行匹配，当第一特征值与第二特征值不匹配时，将第二特征值对应的科技成果作为待添加科技成果添加至待添加科技成果样本集中；当第一特征值与第二特征值匹配时，获取第一特征值对应的科技成果的文件大小以及第二特征值对应的科技成果的文件大小，将第一特征值对应的科技成果的文件大小与第二特征值对应的科技成果的文件大小进行比较，根据比较结果，将第二特征值对应的科技成果删除。

7.如权利要求6所述的基于神经网络的科技成果自学习方法，其特征在于：根据比较结果，将第二特征值对应的科技成果删除，还包括以下步骤，当第一特征值对应的科技成果的文件大小与第二特征值对应的科技成果的文件大小相同时，将第二特征值对应的科技成果删除；当第一特征值对应的科技成果的文件大小与第二特征值对应的科技成果的文件大小不相同时，将文件大的科技成果保留在待添加科技成果样本集中。