[发明专利]科研技术兴趣领域识别模型训练方法、科技资源查询方法及装置

权利要求书

1.一种科研技术兴趣领域识别模型训练方法，其特征在于，包括：

获取多个样本，每个样本中包含一科研学者在设定时间窗口内发布或浏览的多个科技文本，每个样本内的科技文本属于同一技术领域；采用双向长短时记忆网络获取各科技文本的文本特征，将各样本所属的技术领域标记为相应样本的标签，生成训练样本集；

获取初始网络模型，所述初始网络模型中，将设定时间窗口划分为第一设定数量的时步，按照发布或浏览的时间顺序将所述样本内各科技文本的文本特征输入至各时步形成输入序列，采用三角编码对每个时步输入的文本特征添加位置编码后，分别输入两个向量组做线性变换后通过激活函数得到注意力机制中的键值矩阵和查询矩阵；所述查询矩阵与所述键值矩阵的转置进行矩阵乘运算后缩放点积并归一化处理，得到注意力的权重矩阵；将所述权重矩阵与所述输入序列相乘得到注意力矩阵，对所述注意力矩阵加权平均得到技术领域特征向量；将所述技术领域特征向量输入到分类器并输出分类结果；

采用所述训练样本集对所述初始网络模型进行训练，得到科研技术兴趣领域识别模型。

2.根据权利要求1所述的科研技术兴趣领域识别模型训练方法，其特征在于，所述查询矩阵与所述键值矩阵的转置进行矩阵乘运算后缩放点积并归一化处理中，所述归一化处理采用的是softmax函数。

3.根据权利要求1所述的科研技术兴趣领域识别模型训练方法，其特征在于，采用双向长短时记忆网络获取各科技文本的文本特征之前，还包括：采用多个预设科技文本对所述双向长短时记忆网络的参数进行调整。

4.根据权利要求1所述的科研技术兴趣领域识别模型训练方法，其特征在于，采用所述训练样本集对所述初始网络模型进行训练中，包括：采用交叉熵损失函数进行反向传播调整参数。

5.一种科技资源查询方法，其特征在于，包括：

获取设定学者在设定时间窗口内发布或浏览的多个参考科技文本，采用双向长短时记忆网络获取各参考科技文本的第一文本特征，并输入至权利要求1至2任意一项所述科研技术兴趣领域识别模型训练方法的科研技术兴趣领域识别模型中，提取所述设定学者对应的技术领域特征向量作为兴趣向量；

获取查询关键词，由数据库基于相似性比对返回第一查询候选集，所述第一查询候选集内包括多个候选科技文本；

采用所述双向长短时记忆网络获取各候选科技文本的第二文本特征，将各第二本文特征以重复填充各时步的形式输入至权利要求1至2任意一项所述科研技术兴趣领域识别模型训练方法的科研技术兴趣领域识别模型中，提取各候选科技文本对应的技术领域特征向量作为参考向量；

计算所述第一查询候选集中各候选科技文本的参考向量与所述兴趣向量的余弦相似度，按照所述余弦相似从大到小的顺序对各候选科技文本进行排序，并剔除所述余弦相似度小于设定值的候选科技文本，得到第二查询候选集；

根据所述第二查询候选集内各候选科技文本对应余弦相似度的值域范围，划分第二设定数量的分段，获取每个分段内的候选科技文本的影响力因子；

对所述第二查询候选集每个分段内的候选科技文本按照所述影响力因子从高到低的顺序重新排序，得到查询结果。

6.根据权利要求5所述的科技资源查询方法，其特征在于，所述数据库包括数据采集层、数据处理层和数据存储层，由多个业务功能模块按照发布订阅的形式向所述数据处理模层订阅科技文本，每个业务功能模块分别配置相应的数据处理逻辑并由所述数据处理模层统一执行后存储。

7.根据权利要求6所述的科技资源查询方法，其特征在于，所述数据采集层部署在多个主机上，并基于相同的处理逻辑进行分布式框架的调度；

和/或，所述数据处理层部署在多个主机上，并基于相同的处理逻辑进行分布式框架的调度；

和/或，所述数据存储层部署在多个主机上，并基于相同的处理逻辑进行分布式框架的调度。