本文件涉及知識預見領域，尤其涉及一種基于深度神經(jīng)網(wǎng)絡的技術現(xiàn)狀與發(fā)展分析方法和裝置。

背景技術：

1、數(shù)據(jù)爆炸時代，如何從海量數(shù)據(jù)中獲取關于新型儲能技術現(xiàn)狀和發(fā)展有價值的數(shù)據(jù)，是企業(yè)關注的問題，也是研究者關注的熱點問題。

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

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

技術實現(xiàn)思路

1、鑒于上述的技術問題，本申請旨在提出一種基于深度神經(jīng)網(wǎng)絡的技術現(xiàn)狀與發(fā)展分析方法和裝置，以解決上述技術問題中的至少一個。

2、第一方面，本說明書一個或多個實施例提供了一種基于深度神經(jīng)網(wǎng)絡的技術現(xiàn)狀與發(fā)展分析方法，包括：

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

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

5、根據(jù)預設維度標簽，對所述技術發(fā)展特征進行分類；

6、分別針對每一類的技術發(fā)展特征進行卷積，得到相應的卷積特征；

7、融合所述卷積特征得到關鍵詞集合；以及

8、根據(jù)所述關鍵詞集合，生成技術現(xiàn)狀與發(fā)展的知識圖譜。

9、進一步地，接收技術發(fā)展數(shù)據(jù)之前，所述方法還包括：

10、從預設數(shù)據(jù)庫中獲取技術文獻數(shù)據(jù)；

11、基于預設雙塔召回模型，對所述技術文獻數(shù)據(jù)進行召回，得到第一排序數(shù)據(jù)；以及

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

13、進一步地，得到第一排序數(shù)據(jù)之后，所述方法還包括：

14、基于預設深度語義匹配模型，對所述第一排序數(shù)據(jù)進行排序，得到第二排序數(shù)據(jù)；以及

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

16、進一步地，得到技術現(xiàn)狀與發(fā)展的知識圖譜之后，所述方法還包括：

17、根據(jù)所述知識圖譜，提取科技論文指標；以及

18、以所述科技論文指標為訓練樣本，訓練預設深度神經(jīng)網(wǎng)絡，所述深度神經(jīng)網(wǎng)絡用于確定擁有潛在開發(fā)價值的儲能新技術領域的學術論文和專利。

19、進一步地，所述維度標簽包括：文獻中關鍵詞出現(xiàn)的頻率。

20、第二方面，本說明書一個或多個實施例提供了一種基于深度神經(jīng)網(wǎng)絡的技術現(xiàn)狀與發(fā)展分析裝置，包括：

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

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

23、分類模塊，用于根據(jù)預設維度標簽，對所述技術發(fā)展特征進行分類；

24、卷積模塊，用于分別針對每一類的技術發(fā)展特征進行卷積，得到相應的卷積特征；

25、特征融合模塊，用于融合所述卷積特征得到關鍵詞集合；以及

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

27、進一步地，還包括：

28、獲取模塊，用于從預設數(shù)據(jù)庫中獲取技術文獻數(shù)據(jù)；

29、召回模塊，用于基于預設雙塔召回模型，對所述技術文獻數(shù)據(jù)進行召回，得到第一排序數(shù)據(jù)；以及

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

31、進一步地，還包括：

32、排序模塊，用于基于預設深度語義匹配模型，對所述第一排序數(shù)據(jù)進行排序，得到第二排序數(shù)據(jù)；以及

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

34、進一步地，還包括：

35、提取模塊，用于根據(jù)所述知識圖譜，提取科技論文指標；以及

36、訓練模塊，用于以所述科技論文指標為訓練樣本，訓練預設深度神經(jīng)網(wǎng)絡，所述深度神經(jīng)網(wǎng)絡用于確定擁有潛在開發(fā)價值的儲能新技術領域的學術論文和專利。

37、第三方面，本說明書一個或多個實施例提供了一種存儲介質，包括：

38、用于存儲計算機可執(zhí)行指令，所述計算機可執(zhí)行指令在被執(zhí)行時實現(xiàn)第一方面任一項所述的方法。

39、與現(xiàn)有技術相比，本申請至少能實現(xiàn)以下技術效果：

40、針對數(shù)據(jù)丟失的問題，本申請在圖深度神經(jīng)網(wǎng)絡中引入自注意力機制，從而保證盡可能多地提取特征。然后，根據(jù)預設維度標簽，對技術發(fā)展特征進行分類，并分別針對每一類的技術發(fā)展特征進行卷積，進而降低每一類的數(shù)據(jù)丟失概率，從而降低整個分析過程的數(shù)據(jù)丟失概率。最后以知識圖譜的方式對分析結果進行直觀的展示。

技術特征：

1.一種基于深度神經(jīng)網(wǎng)絡的技術現(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)權利要求1所述的方法，其特征在于，

3.根據(jù)權利要求2所述的方法，其特征在于，

4.根據(jù)權利要求1所述的方法，其特征在于，

5.根據(jù)權利要求1所述的方法，其特征在于，

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

7.根據(jù)權利要求6所述的裝置，其特征在于還包括：

8.根據(jù)權利要求7所述的裝置，其特征在于還包括：

9.根據(jù)權利要求8所述的裝置，其特征在于還包括：

10.一種用于存儲計算機可執(zhí)行指令的存儲介質，其特征于，所述計算機可執(zhí)行指令在被執(zhí)行時實現(xiàn)權利要求1-5任一項所述的方法。

技術總結
本說明書實施例提供了一種基于深度神經(jīng)網(wǎng)絡的技術現(xiàn)狀與發(fā)展分析方法和裝置，方法包括：接收技術發(fā)展數(shù)據(jù)，所述技術發(fā)展數(shù)據(jù)用于指示技術現(xiàn)狀和/或發(fā)展趨勢；基于自注意力機制，從所述技術發(fā)展數(shù)據(jù)中提取技術發(fā)展特征；根據(jù)預設維度標簽，對所述技術發(fā)展特征進行分類；分別針對每一類的技術發(fā)展特征進行卷積，得到相應的卷積特征；融合所述卷積特征得到關鍵詞集合；以及根據(jù)所述關鍵詞集合，生成技術現(xiàn)狀與發(fā)展的知識圖譜。本申請?zhí)峁┑募夹g方案用以解決現(xiàn)有技術在數(shù)據(jù)挖掘和分析的過程中，存在數(shù)據(jù)丟失的問題，從而降低數(shù)據(jù)丟失概率。

技術研發(fā)人員：賈德香,李心達,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
受保護的技術使用者：國網(wǎng)能源研究院有限公司
技術研發(fā)日：
技術公布日：2024/12/19