申请/专利权人：深圳市伊登软件有限公司

申请日：2023-12-11

公开（公告）日：2024-03-22

公开（公告）号：CN117391646B

主分类号：G06Q10/101

分类号：G06Q10/101;G06N3/045;G06N3/0464;G06F18/2433;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本申请公开了一种协同创新管理系统，其通过深度神经网络模型分别提取出协同创新系统中的政府参数、企业参数以及高校参数中各个参数的全局性隐含关联特征分布信息，并使用具有三维卷积核的卷积神经网络来对这三者的特征信息进行融合，以挖掘出更深层次的三者的动态隐含关联特征，并且在此过程中进一步对这三者的特征矩阵进行柯西重概率化的修正，以增强了对信息损失的鲁棒性，提高了融合特征信息的三方关联特征图的特征表达能力。这样，能够提高产学研合作创新的效率。

主权项：1.一种协同创新管理系统，其特征在于，包括：创新方参数获取单元，用于获取协同创新系统中政府的多个第一参数、企业的多个第二参数和高校的多个第三参数；参数语义编码单元，用于将所述政府的多个第一参数、所述企业的多个第二参数和所述高校的多个第三参数分别通过包含嵌入层的上下文编码器以得到多个政府参数特征向量、多个企业参数特征向量和多个高校参数特征向量；政府参数关联编码单元，用于将所述多个政府参数特征向量进行二维排列为第一特征矩阵后通过第一卷积神经网络以得到政府特征矩阵；企业参数关联编码单元，用于将所述多个企业参数特征向量进行二维排列为第二特征矩阵后通过第二卷积神经网络以得到企业特征矩阵；高校参数关联编码单元，用于将所述多个高校参数特征向量进行二维排列为第三特征矩阵后通过第三卷积神经网络以得到高校特征矩阵；特征分布校正单元，用于对所述政府特征矩阵、所述企业特征矩阵和所述高校特征矩阵进行柯西重概率化以得到校正后政府特征矩阵、校正后企业特征矩阵和校正后高校特征矩阵，其中，所述柯西重概率化基于特征矩阵中各个位置的特征值与特征矩阵中所有位置的特征值的加和值之间的比例来进行；三方关联编码单元，用于将所述校正后政府特征矩阵、所述校正后企业特征矩阵和所述校正后高校特征矩阵构造为三维输入张量后通过具有三维卷积核的第四卷积神经网络以得到三方关联特征图；以及创新模式评估结果生成单元，用于将所述三方关联特征图通过分类器以得到分类结果，所述分类结果用于表示协同创新系统中政府、企业和高校的协同创新模式是否存在异常；其中，还包括：用于对所述第一卷积神经网络、所述第二卷积神经网络、所述第三卷积神经网络、所述具有三维卷积核的第四卷积神经网络和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练创新方参数获取单元，用于获取训练数据，其中，所述训练数据包括，协同创新系统中政府的多个训练第一参数、企业的多个训练第二参数和高校的多个训练第三参数；训练参数语义编码单元，用于将所述政府的多个训练第一参数、所述企业的多个训练第二参数和所述高校的多个训练第三参数分别通过包含嵌入层的上下文编码器以得到多个训练政府参数特征向量、多个训练企业参数特征向量和多个训练高校参数特征向量；训练政府参数关联编码单元，用于将所述多个训练政府参数特征向量进行二维排列为训练第一特征矩阵后通过所述第一卷积神经网络以得到训练政府特征矩阵；训练企业参数关联编码单元，用于将所述多个训练企业参数特征向量进行二维排列为训练第二特征矩阵后通过所述第二卷积神经网络以得到训练企业特征矩阵；训练高校参数关联编码单元，用于将所述多个训练高校参数特征向量进行二维排列为训练第三特征矩阵后通过所述第三卷积神经网络以得到训练高校特征矩阵；训练特征分布校正单元，用于对所述训练政府特征矩阵、所述训练企业特征矩阵和所述训练高校特征矩阵进行柯西重概率化以得到训练校正后政府特征矩阵、训练校正后企业特征矩阵和训练校正后高校特征矩阵；训练三方关联编码单元，用于将所述训练校正后政府特征矩阵、所述训练校正后企业特征矩阵和所述训练校正后高校特征矩阵构造为训练三维输入张量后通过所述具有三维卷积核的第四卷积神经网络以得到训练三方关联特征图；以及分类损失计算单元，用于将所述训练三方关联特征图通过所述分类器以得到分类损失函数值；反向传播训练单元，用于以所述分类损失函数值通过梯度下降的方向传播来对所述第一卷积神经网络、所述第二卷积神经网络、所述第三卷积神经网络、所述具有三维卷积核的第四卷积神经网络和所述分类器进行训练，其中，在每次迭代时对所述训练三方关联特征图投影得到的训练三方关联特征向量进行训练优化；其中，在每次迭代时，对所述训练三方关联特征图投影得到的训练三方关联特征向量进行训练优化，包括：以如下公式对所述训练三方关联特征图投影得到的训练三方关联特征向量进行训练优化以得到优化训练三方关联特征向量；其中，所述公式为： 其中，V是所述训练三方关联特征向量，vi是所述训练三方关联特征向量V的特征值，||·||1和||·||2分别是所述训练三方关联特征向量V的1范数和2范数，L是所述训练三方关联特征向量V的长度，且α是与vi相关的权重超参数，v'i是所述优化训练三方关联特征向量的特征值。

全文数据：

权利要求：

百度查询： 深圳市伊登软件有限公司 一种协同创新管理系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD