(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210087462.6 (22)申请日 2022.01.25 (71)申请人 中国人民解 放军国防科技大 学 地址 410003 湖南省长 沙市开福区德雅路 109号 (72)发明人 周晓磊　张骁雄　严浩　王芳潇　 范强　江春　 (74)专利代理 机构 南京华鑫君辉专利代理有限 公司 3254 4 专利代理师 王方超 (51)Int.Cl. G06F 16/9035(2019.01) G06F 16/9032(2019.01) G06F 16/9038(2019.01) G06F 40/30(2020.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 30/06(2012.01) (54)发明名称 一种面向试验数据的供需匹配方法及系统 (57)摘要 本发明公开一种面向试验数据的供需匹配 方法及系统， 所述方法包括如下步骤： 对所采集 的试验数据名录分别进行文本的语义特征提取 和图像的语义特征提取， 获取语义特征存储至数 据名录数据库中； 结合需求用户的静态信息与动 态行为， 对需求用户进行多模态融合全维画像操 作， 获取全维特征并存储至用户行为数据库中； 对所述语义特征与所述全维特征， 分别进行数据 分类映射服务； 构建推荐算法集合， 根据具体业 务场景和用户需求， 结合降噪自编码器模型， 多 策略混合调用数据名录和用户行为相关数据， 经 计算排序生成推荐数据名录结果； 根据用户需 求， 基于注 意力与多模态混合融合法提供供需匹 配服务。 本发明具备方法配置、 参数配置、 调用验 证等功能。 权利要求书2页 说明书11页 附图6页 CN 114443916 A 2022.05.06 CN 114443916 A 1.一种面向试验数据的供需匹配方法， 其特 征在于， 包括如下步骤： 步骤101)， 语义特征提取步骤， 包括： 采集试验数据名录， 对所采集的试验数据名录分 别利用多特征融合方法和多特征提取方法进行文本的语义特征提取和图像的语义特征提 取， 获取语义特 征存储至数据名录数据库中； 步骤102)， 用户行为提取步骤， 包括： 结合需求用户的静态信息与动态行为， 对需求用 户基于跨模态学习模型进 行多模态融合全维画像操作， 获取全维特征并存储至用户行为数 据库中； 步骤103)， 数据分类 映射步骤， 包括： 对所述语义特征与所述全维特征， 分别基于文本 分类方法和基于细粒度图像分类方法进行 数据分类映射 服务； 步骤104)， 名录混合生成步骤， 包括： 构建推荐算法集合， 根据具体业务场景和用户需 求， 结合降噪自编码器模型， 动态选择推荐算法策略， 多策略混合调用数据名录和用户行为 相关数据， 经计算 排序生成推荐数据名录结果； 步骤105)， 供需匹配服务步骤， 包括： 基于语义特征和用户的全维画像， 根据用户需求， 基于注意力与多模态混合融合法提供 供需匹配服 务。 2.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 101)中的语义特征包括： 文本关键词、 图像关键词、 文本实体、 文本实体属性、 图像属性、 文 本描述向量、 图像 语义描述。 3.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 102)中的全维画像融合了用户静态信息与动态行为。 4.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 102)采用的跨模态学习模型通过学习多模态联合表 示来融合多种数据源； 所述跨模态学习 模型为多层多级的融合模型， 包含模型组合策略方法、 跨模态学习联合表示网络方法和 stacking集成方法。 5.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 103)包括文本数据分类映射与图像数据分类映射。 6.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 103)包括： 采用FastText模型进行文本分类映射； 采用显著增强分层双线性池化网络进行 细粒度图像分类映射。 7.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 104)中的所述的推荐算法集合包含： 基于内容协同过滤、 基于用户协同过滤、 基于内容语义 推荐、 基于用户静态属性、 基于用户行为、 基于数据名录热度和基于用户评价的推荐算法。 8.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 104)中所述名录混合生成步骤采用降噪自编码器提取用户相对稳定的长期兴趣特征与短 期兴趣特 征进行融合作为用户长短期动态行为特 征。 9.根据权利要求1所述的一种面向试验数据的供需匹配方法， 其特征在于， 所述步骤 105)所述的供需匹配服务步骤 具体包括： 采用基于注 意力与多模态混合融合法， 面向文本、 图片和用户画像3个模态， 基于自注 意力机制进 行特征的前期融合和 后期融合， 实现特征和 决策的自动加权 。 10.一种面向试验数据的供需匹配系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114443916 A 2语义特征提取装置， 具体执行： 利用试验数据名录进行语义分析， 抽取试验数据名录的 语义特征， 存储至数据名录数据库中； 用户行为提取装置， 具体执行： 结合需求用户的静态信 息与动态行为， 对需求用户基于 跨模态学习模型进行多模态融合全维画像， 并将全维特 征存储至用户行为数据库中； 数据分类映射装置， 具体执行： 基于语义特征与全维特征， 分别基于FastText模型的文 本分类方法和基于显著增强分层双线性池化网络的细粒度图像分类方法提供数据分类映 射服务； 名录混合生成装置， 具体执行： 构建推荐算法集合， 根据具体业务场景和用户需求， 结 合降噪自编码器模型， 动态选择推荐算法策略， 多策略混合调用数据名录和用户行为相关 数据， 经计算 排序生成推荐数据名录结果； 供需匹配服务装置， 具体执行： 基于语义特征和用户全维画像， 根据用户需求， 基于注 意力与多模态混合融合法提供 供需匹配服 务。权　利　要　求　书 2/2 页 3 CN 114443916 A 3