【技术实现步骤摘要】
本专利技术涉及大数据，特别涉及一种产业需求推荐方法、装置、电子设备和可读存储介质。
技术介绍
1、随着科学技术的不断发展，高校院所的科研成果转化、技术转移已经逐渐成为科创版图的重要的组成部分。在实际的科研成果转化工作过程中，供需双方普遍面临着产学研合作信息沟通成本高，研发立项缺乏产业需求的指导。造成目前这种困境的原因主要是高校院所的专家难以找到与自己的研究领域相契合的产业需求，导致研究课题难以适应市场需求，进而使得科研成果难以有效落地。因此，如何提高高校院所专家和企业需求对接的时效性，实现产业需求与高校院所专家的精准对接已经成为亟需解决的技术问题。
技术实现思路
1、本专利技术提供了一种产业需求推荐方法、装置、电子设备和可读存储介质，提高了高校院所专家和企业需求对接的时效性，实现产业需求与高校院所专家的精准对接。
2、为实现上述目的，本专利技术提供如下技术方案：
3、根据本专利技术具体实施方式提供的一种产业需求推荐方法，包括：
4、基于预设行业标签体系，获取预设时间段内的各行业标签下的需求资源数据；
5、获取专家用户对各需求资源数据进行操作的行为数据；
6、基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需求资源数据所属行业标签的标签集合；
7、基于预设计算规则，确定表征目标产业需求所属目标标签与所述每个时间区间内的每个标签集合相关性的关联
8、基于每个关联值、所述每个关联值的权重值、所述专家用户在所述各行业标签下的供给资源数据以及每个供给资源数据的权重值，确定所述目标产业需求和所述专家用户的匹配值；
9、基于所述匹配值和预设推荐值，确定是否将所述目标产业需求向所述专家用户推荐。
10、进一步地，所述产业需求推荐方法还包括：
11、若所述匹配值大于所述预设推荐值，则将所述目标产业需求加入预设推荐列表中，并将所述推荐列表发送至所述专家用户。
12、进一步地，在基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需求资源数据所属行业标签的标签集合之前，还包括：
13、对获取到的所述行为数据依次进行异常数据剔除、缺失数据补齐以及标准化处理。
14、进一步地，所述产业需求推荐方法还包括：
15、在进行标准化处理前对所述行为数据中的离散数据进行编码，转换为连续数据。
16、进一步地，所述行为数据包括：需求资源对接次数、需求资源浏览次数以及需求资源收藏次数，所述预设衍生特征构造算法包括：时间序列的滑动窗口算法，所述基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需求资源数据所属行业标签的标签集合，包括：
17、基于所述时间序列的滑动窗口算法对所述每个时间区间内的需求资源对接次数进行统计，得到所述每个时间区间内需求资源对接次数最多的需求资源数据所属行业标签的标签集合；
18、基于所述时间序列的滑动窗口算法对所述每个时间区间内的需求资源浏览次数进行统计，得到所述每个时间区间内需求资源浏览次数最多的需求资源数据所属行业标签的标签集合；
19、基于所述时间序列的滑动窗口算法对所述每个时间区间内的需求资源收藏次数进行统计，得到所述每个时间区间内需求资源收藏次数最多的需求资源数据所属行业标签的标签集合。
20、进一步地，所述基于预设计算规则，确定表征目标产业需求所属目标标签与所述每个时间区间内的每个标签集合相关性的关联值，包括：
21、针对任一标签集合，若所述目标标签在该标签集合的范围内，则该标签集合相应的关联值为第一关联值；
22、针对任一标签集合，若所述目标标签和该标签集合部分相同，则该标签集合相应的关联值为第二关联值；
23、针对任一标签集合，若所述目标标签和该标签集合完全不相同，则该标签集合相应的关联值为第三关联值，所述第一关联值大于所述第二关联值，所述第二关联值大于所述第三关联值。
24、进一步地，其特征在于，所述基于每个关联值、所述每个关联值的权重值、所述专家用户在所述各行业标签下的供给资源数据以及每个供给资源数据的权重值，确定所述目标产业需求和所述专家用户的匹配值，包括：
25、将所述每个关联值和对应的权重值相乘，得到所述每个关联值的第一经验值；
26、将所述每个供给资源数据和对应的权重值相乘，得到所述每个供给资源数据的第二经验值；
27、将所有第一经验值和所有第二经验值相加，得到所述匹配值。
28、根据本专利技术具体实施方式提供的一种产业需求推荐装置，包括：
29、资源数据获取模块，用于基于预设行业标签体系，获取预设时间段内的各行业标签下的需求资源数据；
30、行为数据获取模块，用于获取专家用户对各需求资源数据进行操作的行为数据；
31、标签集合确定模块，用于基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需求资源数据所属行业标签的标签集合；
32、关联值确定模块，用于基于预设计算规则，确定表征目标产业需求所属目标标签与所述每个时间区间内的每个标签集合相关性的关联值；
33、匹配值确定模块，用于基于每个关联值、所述每个关联值的权重值、所述专家用户在所述各行业标签下的供给资源数据以及每个供给资源数据的权重值，确定所述目标产业需求和所述专家用户的匹配值；以及
34、产业需求推荐模块，用于基于所述匹配值和预设推荐值，确定是否将所述目标产业需求向所述专家用户推荐。
35、根据本专利技术具体实施方式提供的一种电子设备，包括：存储器和处理器；
36、所述存储器，用于存储程序；
37、所述处理器，用于执行所述程序，实现如上所述的产业需求推荐方法的各个步骤。
38、根据本专利技术具体实施方式提供的一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的产业需求推荐方法的各个步骤。
39、由以上技术方案可以看出，本专利技术中公开了一种产业需求推荐方法，可以通过预设行业标签体系，建立专家用户和需求用户之间的资源数据的联系，获取到专家用户对各需求资源进行操作的行为数据。再进一步通过预设衍生特征构造算法对每种行为数据进行统计处理，得到每种行为数据相对应的需求资源数据所属行业标签的标签集合。根据计算规则确定目标产业需求的目标标签与专家用户的每个标签集合的关联值。根据关联值、关联值的权重、专家用户提供的供给资源数据以及相应的权重值，确定目标产业需求和该专家用户的匹配值。最后将匹配值和预设的推荐值进行比较确定是否向专家用本文档来自技高网...
【技术保护点】
1.一种产业需求推荐方法，其特征在于，包括：
2.根据权利要求1所述的产业需求推荐方法，其特征在于，还包括：
3.根据权利要求1所述的产业需求推荐方法，其特征在于，在基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需求资源数据所属行业标签的标签集合之前，还包括：
4.根据权利要求3所述的产业需求推荐方法，其特征在于，还包括：
5.根据权利要求1所述的产业需求推荐方法，其特征在于，所述行为数据包括：需求资源对接次数、需求资源浏览次数以及需求资源收藏次数，所述预设衍生特征构造算法包括：时间序列的滑动窗口算法，所述基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需求资源数据所属行业标签的标签集合，包括：
6.根据权利要求1所述的产业需求推荐方法，其特征在于，所述基于预设计算规则，确定表征目标产业需求所属目标标签与所述每个时间区间内的每个标签集合相关性的关联值，包括：
7.根
8.一种产业需求推荐装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器和处理器；
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的产业需求推荐方法的各个步骤。
...【技术特征摘要】
1.一种产业需求推荐方法，其特征在于，包括：
2.根据权利要求1所述的产业需求推荐方法，其特征在于，还包括：
3.根据权利要求1所述的产业需求推荐方法，其特征在于，在基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需求资源数据所属行业标签的标签集合之前，还包括：
4.根据权利要求3所述的产业需求推荐方法，其特征在于，还包括：
5.根据权利要求1所述的产业需求推荐方法，其特征在于，所述行为数据包括：需求资源对接次数、需求资源浏览次数以及需求资源收藏次数，所述预设衍生特征构造算法包括：时间序列的滑动窗口算法，所述基于预设衍生特征构造算法对所述预设时间段内不同时间区间内的每种行为数据进行处理，得到每个时间区间内所述每种行为数据对应的需...
【专利技术属性】
技术研发人员：杨吕，叶伟，
申请(专利权)人：中银金融科技苏州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。