[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

说明书

本发明提出了一种基于神经网络的科技成果自学习方法及装置。包括：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；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；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。本发明通过词频算法以及历史记录来确定需要抓取的关键词，然后通过神经网络模型获取特征值，最后利用特征值实现科技成果的自动更新和学习，减少了人工成本，提高了更新效率。

技术领域

本发明涉及科技成果自学习技术领域，尤其涉及一种基于神经网络的科技成果自学习方法及装置。

背景技术

神经网络又称人工神经网络，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法学习模型。是由大量简单的处理单元(神经元)相互连接而形成的复杂网络，通过内部复杂的连接，模拟出各种复杂的函数用于各类数据分析问题。

目前，科技成果的运用还不是很广泛，现有的科技成果存储库存储的科技成果需要更新时往往需要工作人员手动添加科技成果进行更新，这样就会给工作人员带来很大的工作量，利用神经网络可以减少工作人员的工作量，提高科技成果进库分类的精确度，但是无法实现科技成果库的自动更新，所以还是需要一种方法来实现科技成果库的自动更新，并且提高科技成果库更新的精确度。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

有鉴于此，本发明提出了一种基于神经网络的科技成果自学习方法及装置，旨在解决现有技术无法精确对科技成果库进行科技成果自动更新的技术问题。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于神经网络的科技成果自学习方法，所述基于神经网络的科技成果自学习方法包括以下步骤：

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。

在以上技术方案的基础上，优选的，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。

在以上技术方案的基础上，优选的，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。

在以上技术方案的基础上，优选的，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。