本文件涉及知識(shí)預(yù)見(jiàn)領(lǐng)域，尤其涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)狀與發(fā)展分析方法和裝置。

背景技術(shù)：

1、數(shù)據(jù)爆炸時(shí)代，如何從海量數(shù)據(jù)中獲取關(guān)于新型儲(chǔ)能技術(shù)現(xiàn)狀和發(fā)展有價(jià)值的數(shù)據(jù)，是企業(yè)關(guān)注的問(wèn)題，也是研究者關(guān)注的熱點(diǎn)問(wèn)題。

2、傳統(tǒng)的數(shù)據(jù)挖掘和分析方法可以從數(shù)據(jù)中獲取關(guān)于新型儲(chǔ)能技術(shù)的相關(guān)信息。

3、然而，現(xiàn)有技術(shù)在數(shù)據(jù)挖掘和分析的過(guò)程中，存在數(shù)據(jù)丟失的問(wèn)題。此外，以表格和報(bào)告呈現(xiàn)的結(jié)果存在不直觀，展示維度有限的問(wèn)題

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述的技術(shù)問(wèn)題，本申請(qǐng)旨在提出一種基于深度神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)狀與發(fā)展分析方法和裝置，以解決上述技術(shù)問(wèn)題中的至少一個(gè)。

2、第一方面，本說(shuō)明書(shū)一個(gè)或多個(gè)實(shí)施例提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)狀與發(fā)展分析方法，包括：

3、接收技術(shù)發(fā)展數(shù)據(jù)，所述技術(shù)發(fā)展數(shù)據(jù)用于指示技術(shù)現(xiàn)狀和/或發(fā)展趨勢(shì)；

4、基于自注意力機(jī)制，從所述技術(shù)發(fā)展數(shù)據(jù)中提取技術(shù)發(fā)展特征；

5、根據(jù)預(yù)設(shè)維度標(biāo)簽，對(duì)所述技術(shù)發(fā)展特征進(jìn)行分類；

6、分別針對(duì)每一類的技術(shù)發(fā)展特征進(jìn)行卷積，得到相應(yīng)的卷積特征；

7、融合所述卷積特征得到關(guān)鍵詞集合；以及

8、根據(jù)所述關(guān)鍵詞集合，生成技術(shù)現(xiàn)狀與發(fā)展的知識(shí)圖譜。

9、進(jìn)一步地，接收技術(shù)發(fā)展數(shù)據(jù)之前，所述方法還包括：

10、從預(yù)設(shè)數(shù)據(jù)庫(kù)中獲取技術(shù)文獻(xiàn)數(shù)據(jù)；

11、基于預(yù)設(shè)雙塔召回模型，對(duì)所述技術(shù)文獻(xiàn)數(shù)據(jù)進(jìn)行召回，得到第一排序數(shù)據(jù)；以及

12、以所述第一排序數(shù)據(jù)作為所述技術(shù)發(fā)展數(shù)據(jù)。

13、進(jìn)一步地，得到第一排序數(shù)據(jù)之后，所述方法還包括：

14、基于預(yù)設(shè)深度語(yǔ)義匹配模型，對(duì)所述第一排序數(shù)據(jù)進(jìn)行排序，得到第二排序數(shù)據(jù)；以及

15、以所述第二排序數(shù)據(jù)作為所述技術(shù)發(fā)展數(shù)據(jù)。

16、進(jìn)一步地，得到技術(shù)現(xiàn)狀與發(fā)展的知識(shí)圖譜之后，所述方法還包括：

17、根據(jù)所述知識(shí)圖譜，提取科技論文指標(biāo)；以及

18、以所述科技論文指標(biāo)為訓(xùn)練樣本，訓(xùn)練預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)用于確定擁有潛在開(kāi)發(fā)價(jià)值的儲(chǔ)能新技術(shù)領(lǐng)域的學(xué)術(shù)論文和專利。

19、進(jìn)一步地，所述維度標(biāo)簽包括：文獻(xiàn)中關(guān)鍵詞出現(xiàn)的頻率。

20、第二方面，本說(shuō)明書(shū)一個(gè)或多個(gè)實(shí)施例提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)狀與發(fā)展分析裝置，包括：

21、接收模塊，用于接收技術(shù)發(fā)展數(shù)據(jù)，所述技術(shù)發(fā)展數(shù)據(jù)用于指示技術(shù)現(xiàn)狀和/或發(fā)展趨勢(shì)；

22、提取模塊，用于基于自注意力機(jī)制，從所述技術(shù)發(fā)展數(shù)據(jù)中提取技術(shù)發(fā)展特征；

23、分類模塊，用于根據(jù)預(yù)設(shè)維度標(biāo)簽，對(duì)所述技術(shù)發(fā)展特征進(jìn)行分類；

24、卷積模塊，用于分別針對(duì)每一類的技術(shù)發(fā)展特征進(jìn)行卷積，得到相應(yīng)的卷積特征；

25、特征融合模塊，用于融合所述卷積特征得到關(guān)鍵詞集合；以及

26、生成模塊，用于根據(jù)所述關(guān)鍵詞集合，生成技術(shù)現(xiàn)狀與發(fā)展的知識(shí)圖譜。

27、進(jìn)一步地，還包括：

28、獲取模塊，用于從預(yù)設(shè)數(shù)據(jù)庫(kù)中獲取技術(shù)文獻(xiàn)數(shù)據(jù)；

29、召回模塊，用于基于預(yù)設(shè)雙塔召回模型，對(duì)所述技術(shù)文獻(xiàn)數(shù)據(jù)進(jìn)行召回，得到第一排序數(shù)據(jù)；以及

30、以所述第一排序數(shù)據(jù)作為所述技術(shù)發(fā)展數(shù)據(jù)。

31、進(jìn)一步地，還包括：

32、排序模塊，用于基于預(yù)設(shè)深度語(yǔ)義匹配模型，對(duì)所述第一排序數(shù)據(jù)進(jìn)行排序，得到第二排序數(shù)據(jù)；以及

33、以所述第二排序數(shù)據(jù)作為所述技術(shù)發(fā)展數(shù)據(jù)。

34、進(jìn)一步地，還包括：

35、提取模塊，用于根據(jù)所述知識(shí)圖譜，提取科技論文指標(biāo)；以及

36、訓(xùn)練模塊，用于以所述科技論文指標(biāo)為訓(xùn)練樣本，訓(xùn)練預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)用于確定擁有潛在開(kāi)發(fā)價(jià)值的儲(chǔ)能新技術(shù)領(lǐng)域的學(xué)術(shù)論文和專利。

37、第三方面，本說(shuō)明書(shū)一個(gè)或多個(gè)實(shí)施例提供了一種存儲(chǔ)介質(zhì)，包括：

38、用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令在被執(zhí)行時(shí)實(shí)現(xiàn)第一方面任一項(xiàng)所述的方法。

39、與現(xiàn)有技術(shù)相比，本申請(qǐng)至少能實(shí)現(xiàn)以下技術(shù)效果：

40、針對(duì)數(shù)據(jù)丟失的問(wèn)題，本申請(qǐng)?jiān)趫D深度神經(jīng)網(wǎng)絡(luò)中引入自注意力機(jī)制，從而保證盡可能多地提取特征。然后，根據(jù)預(yù)設(shè)維度標(biāo)簽，對(duì)技術(shù)發(fā)展特征進(jìn)行分類，并分別針對(duì)每一類的技術(shù)發(fā)展特征進(jìn)行卷積，進(jìn)而降低每一類的數(shù)據(jù)丟失概率，從而降低整個(gè)分析過(guò)程的數(shù)據(jù)丟失概率。最后以知識(shí)圖譜的方式對(duì)分析結(jié)果進(jìn)行直觀的展示。

技術(shù)特征：

1.一種基于深度神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)狀與發(fā)展分析方法，其特征在于所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，

6.一種基于深度神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)狀與發(fā)展分析裝置，其特征在于包括：

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于還包括：

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于還包括：

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于還包括：

10.一種用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令的存儲(chǔ)介質(zhì)，其特征于，所述計(jì)算機(jī)可執(zhí)行指令在被執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-5任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本說(shuō)明書(shū)實(shí)施例提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)狀與發(fā)展分析方法和裝置，方法包括：接收技術(shù)發(fā)展數(shù)據(jù)，所述技術(shù)發(fā)展數(shù)據(jù)用于指示技術(shù)現(xiàn)狀和/或發(fā)展趨勢(shì)；基于自注意力機(jī)制，從所述技術(shù)發(fā)展數(shù)據(jù)中提取技術(shù)發(fā)展特征；根據(jù)預(yù)設(shè)維度標(biāo)簽，對(duì)所述技術(shù)發(fā)展特征進(jìn)行分類；分別針對(duì)每一類的技術(shù)發(fā)展特征進(jìn)行卷積，得到相應(yīng)的卷積特征；融合所述卷積特征得到關(guān)鍵詞集合；以及根據(jù)所述關(guān)鍵詞集合，生成技術(shù)現(xiàn)狀與發(fā)展的知識(shí)圖譜。本申請(qǐng)?zhí)峁┑募夹g(shù)方案用以解決現(xiàn)有技術(shù)在數(shù)據(jù)挖掘和分析的過(guò)程中，存在數(shù)據(jù)丟失的問(wèn)題，從而降低數(shù)據(jù)丟失概率。

技術(shù)研發(fā)人員：賈德香,李心達(dá),傅成程,劉鍵燁,高曉楠,賈雪楓,王智敏,柳占杰,陳光,王玓,劉素蔚,劉睿,王俊,劉戀,趙三珊,羅裬,黃興德,吳丹
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)能源研究院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19