本發(fā)明涉及大數(shù)據(jù)，具體地說，涉及一種基于大數(shù)據(jù)技術(shù)的科技成果轉(zhuǎn)化平臺。

背景技術(shù)：

1、一種基于大數(shù)據(jù)技術(shù)的科技成果轉(zhuǎn)化平臺旨在提高科技成果轉(zhuǎn)化效率和精準匹配技術(shù)需求與科技成果，通過在計算標簽匹配度和余弦特征相似度時引入技術(shù)需求和科技成果的時間相關(guān)性因子，以及使用局部優(yōu)化匹配匈牙利算法找到匹配度矩陣中的最佳匹配對，實現(xiàn)了對最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)的高效、精準分析分類，優(yōu)化科技成果的轉(zhuǎn)化過程，提升匹配的實用性和準確性。現(xiàn)有的科技成果轉(zhuǎn)化平臺通常難以有效處理大規(guī)模和多樣化的數(shù)據(jù)，且由于技術(shù)需求和市場需求變化快以及信息共享和交流不足，會導(dǎo)致科技成果和需求方的匹配并轉(zhuǎn)化效率低的問題，因此，設(shè)計一種基于大數(shù)據(jù)技術(shù)的科技成果轉(zhuǎn)化平臺。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于大數(shù)據(jù)技術(shù)的科技成果轉(zhuǎn)化平臺，以解決上述背景技術(shù)中提出的由于技術(shù)需求和市場需求變化快以及信息共享和交流不足，會導(dǎo)致科技成果和需求方的匹配并轉(zhuǎn)化效率低的問題。

2、為實現(xiàn)上述目的，本發(fā)明目的在于提供了一種基于大數(shù)據(jù)技術(shù)的科技成果轉(zhuǎn)化平臺，包括：

3、信息采集單元，所述信息采集單元基于數(shù)據(jù)收集策略，收集來自企業(yè)和科研機構(gòu)歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)，將歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)提供給數(shù)據(jù)處理中心進一步處理；

4、還包括數(shù)據(jù)處理中心，所述數(shù)據(jù)處理中心使用apache?spark結(jié)合pandas對歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)進行清洗與轉(zhuǎn)換，并使用scikit-learn和隨機森林分類器，訓(xùn)練技術(shù)需求分類模型和科技成果分類模型；

5、還包括分類與匹配單元，所述分類與匹配單元利用技術(shù)需求分類模型和科技成果分類模型，對數(shù)據(jù)處理中心提供最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)進行分類，并使用分類匹配函數(shù)，引入技術(shù)需求和科技成果的時間相關(guān)性因子，并結(jié)合局部優(yōu)化匹配匈牙利算法進行技術(shù)需求與科技成果分類結(jié)果的匹配；

6、還包括管理轉(zhuǎn)化單元，所述管理轉(zhuǎn)化單元用于管理科技成果的匹配轉(zhuǎn)化過程。

7、作為本技術(shù)方案的進一步改進，所述數(shù)據(jù)收集策略用于輔助信息采集單元收集歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)，數(shù)據(jù)收集策略具體包括：收集數(shù)據(jù)類型；數(shù)據(jù)源選擇；數(shù)據(jù)抓取頻率；數(shù)據(jù)格式規(guī)范；隱私與合規(guī)；異常處理機制。

8、作為本技術(shù)方案的進一步改進，所述信息采集單元基于數(shù)據(jù)收集策略，收集歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)，具體步驟如下：

9、s1.1、配置網(wǎng)絡(luò)爬蟲和api接口，設(shè)置爬取規(guī)則，自動抓取數(shù)據(jù)源的歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)，并存儲在臨時數(shù)據(jù)庫中；

10、s1.2、將歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的json格式，去除重復(fù)的數(shù)據(jù)，并根據(jù)歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)之間的關(guān)聯(lián)屬性進行數(shù)據(jù)合并，得到歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)；

11、s1.3、將歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)傳遞至數(shù)據(jù)處理中心。

12、作為本技術(shù)方案的進一步改進，所述數(shù)據(jù)處理中心包括清洗轉(zhuǎn)換模塊和數(shù)據(jù)訓(xùn)練模塊；

13、其中，所述清洗轉(zhuǎn)換模塊使用apache?spark和pandas處理歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)的缺失值與異常值，并將歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)轉(zhuǎn)化為json格式；

14、所述數(shù)據(jù)訓(xùn)練模塊使用scikit-learn和隨機森林分類器，并基于歷史技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)，訓(xùn)練技術(shù)需求分類模型和科技成果分類模型。

15、作為本技術(shù)方案的進一步改進，所述清洗轉(zhuǎn)換模塊使用apache?spark和pandas處理歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)的缺失值與異常值，并將歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)轉(zhuǎn)化為json格式：

16、s2.1.1、從json文件中讀取歷史和最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)，并將其加載到spark?dataframe中；

17、s2.1.2、去除包含缺失值的行，以及過濾異常值的行；

18、s2.1.3、將spark?dataframe轉(zhuǎn)換為pandas?dataframe；

19、s2.1.4、去除包含缺失值的行，以及過濾異常值的行；

20、s2.1.5、將pandas?dataframe轉(zhuǎn)換為json格式。

21、作為本技術(shù)方案的進一步改進，所述數(shù)據(jù)訓(xùn)練模塊使用scikit-learn和隨機森林分類器，并基于歷史技術(shù)需求數(shù)據(jù)和歷史科技成果數(shù)據(jù)，訓(xùn)練技術(shù)需求分類模型和科技成果分類模型，具體方法如下：

22、s2.2.1、將歷史技術(shù)需求數(shù)據(jù)分為特征矩陣和標簽向量，并將百分之七十的歷史技術(shù)需求數(shù)據(jù)劃分為訓(xùn)練集，將百分之三十的歷史技術(shù)需求數(shù)據(jù)劃分為測試集；

23、s2.2.2、將歷史科技成果數(shù)據(jù)分為特征矩陣和標簽向量，并將百分之七十的歷史科技成果數(shù)據(jù)劃分為訓(xùn)練集，將百分之三十的歷史科技成果數(shù)據(jù)劃分為測試集；

24、s2.2.3、使用隨機森林分類器對歷史技術(shù)需求數(shù)據(jù)的訓(xùn)練集進行訓(xùn)練，建立技術(shù)需求分類模型：

25、；

26、其中，表示隨機森林分類器；表示歷史技術(shù)需求數(shù)據(jù)預(yù)測的標簽；

27、s2.2.4、使用隨機森林分類器對歷史科技成果數(shù)據(jù)的訓(xùn)練集進行訓(xùn)練，建立科技成果分類模型：

28、；

29、其中，表示隨機森林分類器；表示歷史科技成果數(shù)據(jù)預(yù)測的標簽；

30、s2.2.5、使用歷史技術(shù)需求數(shù)據(jù)的測試集對技術(shù)需求分類模型進行模型測試和使用歷史科技成果數(shù)據(jù)的測試集對科技成果分類模型進行模型測試。

31、作為本技術(shù)方案的進一步改進，所述分類與匹配單元，包括數(shù)據(jù)分類模塊和需求匹配模塊；

32、其中，所述數(shù)據(jù)分類模塊使用技術(shù)需求分類模型和科技成果分類模型對最新技術(shù)需求數(shù)據(jù)和最新科技成果數(shù)據(jù)進行分類；

33、所述需求匹配模塊使用分類匹配函數(shù)，引入技術(shù)需求和科技成果的時間相關(guān)性因子，并結(jié)合局部優(yōu)化匹配匈牙利算法進行技術(shù)需求與科技成果分類結(jié)果的匹配，具體方法如下：

34、s3.1、獲取最新技術(shù)需求分類模型分類結(jié)果和特征矩陣以及獲取最新科技成果分類模型分類結(jié)果和特征矩陣；

35、s3.2、定義時間相關(guān)性因子為技術(shù)需求和科技成果的時間差異的函數(shù)，并根據(jù)時間相關(guān)性因子計算標簽匹配度和余弦特征相似度，構(gòu)建引入時間相關(guān)性因素的匹配度矩陣；

36、s3.3、使用局部優(yōu)化匹配匈牙利算法找到匹配度矩陣中的匹配對，并輸出匹配對。

37、所述s3.2中，計算標簽匹配度和余弦特征相似度，構(gòu)建匹配度矩陣，具體方法如下：

38、時間相關(guān)性因子:

39、;

40、其中，為技術(shù)需求的時間戳；為科技成果的時間戳；是時間尺度因子；

41、標簽匹配度：

42、；

43、其中，為最新技術(shù)需求數(shù)據(jù)第條記錄的預(yù)測標簽；為最新科技成果數(shù)據(jù)第條記錄的預(yù)測標簽；

44、余弦特征相似度：

45、；

46、其中，為最新技術(shù)需求數(shù)據(jù)第條記錄的特征向量；為最新科技成果數(shù)據(jù)第條記錄的特征向量；為最新技術(shù)需求特征向量的歐氏范數(shù)；為最新科技成果特征向量的歐氏范數(shù)；

47、匹配度矩陣：

48、；

49、所述s3.2中，使用局部優(yōu)化匹配匈牙利算法找到匹配度矩陣中的匹配對，并輸出匹配對，具體方法如下：

50、s3.2.1、對初步匹配對進行局部搜索，尋找和使得最大化，對每個匹配對，計算相鄰元素的匹配度:

51、;

52、s3.2.2、若局部搜索得到更優(yōu)匹配對，則更新匹配對;

53、s3.2.3、計算全局匹配：

54、;

55、其中，是優(yōu)化后的匹配決策變量，值為1時表示與匹配，為0時表示與不匹配；

56、s3.2.4、將匹配的技術(shù)需求和科技成果數(shù)據(jù)對輸出，形成最終的匹配對列表。

57、作為本技術(shù)方案的進一步改進，所述管理轉(zhuǎn)化單元包括合同管理模塊、進度跟蹤模塊和績效評估模塊；

58、其中，所述合同管理模塊用于記錄和跟蹤科技成果轉(zhuǎn)化合同；進度跟蹤模塊用于跟蹤技術(shù)需求和科技成果匹配后的轉(zhuǎn)化進度；績效評估模塊用于評估科技成果轉(zhuǎn)化的績效。

59、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

60、1、該基于大數(shù)據(jù)技術(shù)的科技成果轉(zhuǎn)化平臺中，通過構(gòu)建技術(shù)需求分類模型和科技成果分類模型，并在計算標簽匹配度和余弦特征相似度時引入時間相關(guān)性因子，對最新技術(shù)需求數(shù)據(jù)和科技成果數(shù)據(jù)進行分類，可以顯著提高分類的準確性和效率，確保技術(shù)需求和科技成果在技術(shù)和時間維度上的精確分類。

61、2、該基于大數(shù)據(jù)技術(shù)的科技成果轉(zhuǎn)化平臺中，使用局部優(yōu)化匹配匈牙利算法對分類匹配函數(shù)match進行改進，找到匹配度矩陣中的最佳匹配對，可以實現(xiàn)高效且精準地匹配技術(shù)需求與科技成果，確保科技成果能夠快速滿足具體技術(shù)需求，從而大幅提高轉(zhuǎn)化成功率。