1.一种基于神经认知诊断技术的企业能力评估方法,其特征在于,是按照以下步骤进行:步骤1、定义企业科技数据,并采用FastText模型对企业科技数据进行领域划分,得到科技成果领域矩阵,并构造负样本后的企业-科技成果总交互集;
步骤2、构建基本神经认知诊断企业能力评估学习模块,包括:初始嵌入表示层、企业能力诊断层、以及预测层,并依次对科技成果领域矩阵中的第项科技成果所属第p个领域的科技成果领域矩阵进行处理,得到第i家企业对第p个领域的第项科技成果的预测交互结果,从而构建基本神经认知诊断企业能力评估网络的损失;
步骤3、构建偏序排序学习模块,包括:偏序学习模块、预期能力变化模块、企业-科技成果交互结果约束设计模块;
步骤3.1、构建偏序学习模块,并采用偏序响应采样方式对负样本后的企业-科技成果总交互集进行偏序采样,得到第i家企业的可靠的候选交互集;
步骤3.2、构建预期能力变化模块,用于计算可靠候选交互集中第i家企业对第u项未交互科技成果的交互三元组的预期能力变化,且经过归一化后,得到第i家企业对第u项未交互科技成果的预期能力变化权重;
步骤3.3、设计企业-科技成果交互结果约束,并构建第i家企业对所有科技成果的BPR损失函数;
步骤4、使用式(19)构建第i家企业对所有科技成果的总损失函数:(19)
式(19)中,为平衡两种损失的超参数;
步骤5、使用Adam优化器对由基本神经认知诊断企业能力评估学习模块以及偏序排序学习模块所组成的神经认知诊断企业能力评估网络进行训练,并最小化,直到收敛为止,从而得到最优的神经认知诊断企业能力评估网络,用于诊断企业对不同领域的掌握程度,从而得到企业在不同领域上的能力评估结果。
2.根据权利要求1所述的一种基于神经认知诊断技术的企业能力评估方法,其特征在于,所述步骤1是按照以下步骤进行:步骤1.1、定义科技数据中企业的数量为,科技成果的数量为,领域数量为,令第i家企业、第m项科技成果以及第p个领域分别记为,和,,,;
令第i家企业对第m项科技成果的交互结果记为,且,表示企业-科技成果总交互集,;
步骤1.2、采用FastText分类模型对进行领域划分,得到科技成果领域矩阵,,令中第m项科技成果所属第p个领域的科技成果领域矩阵记为;
步骤1.3、基于企业-科技成果总交互集构造所有企业的负样本数据;
定义科技成果等级为k,,C表示最大等级;
按照科技成果等级k由高到低查找第i家企业所做的所有科技成果,如果当前科技成果等级有对应的科技成果,则不构造负样本;否则,在个领域中随机选择个未交互的领域分别构造每个未交互的领域的负样本,从而得到第i家企业构造的个负样本,且;其中,为第m项科技成果的科技成果等级反序,为第i家企业所做所有科技成果的总数量,为控制每家企业负样本数量的阈值,为控制每家企业负样本总数的阈值;
令构造负样本后的总科技成果数量为,令第项科技成果记为,,构造负样本后的企业-科技成果总交互集为,,企业-科技成果总交互集中第i家企业对第项科技成果的交互三元组记为,其中,表示第i家企业对第项科技成果的交互结果,若,表示第i家企业对真实完成第项科技成果,若,表示第i家企业对未完成第项科技成果,企业-科技成果总交互集中第i家企业对所有科技成果的交互集记为;
令中第项科技成果所属第p个领域的科技成果领域矩阵记为。
3.根据权利要求2所述的一种基于神经认知诊断技术的企业能力评估方法,其特征在于,所述步骤2是按照以下步骤进行:步骤2.1、所述初始嵌入表示层利用式(1)和式(2)分别获得第i家企业的企业能力掌握向量和第项科技成果所属第p个领域的成果领域矩阵向量,,;
(1)
(2)
式(1)和式(2)中,表示第i家企业的独热编码向量,,表示第项科技成果的独热编码向量,,表示待训练矩阵,;
步骤2.2、所述初始嵌入表示层构建第项科技成果的科技度量值,,科技成果完成难度向量,以及第项科技成果的区分度向量,;
步骤2.3、所述企业能力诊断层包括一个交互作用层以及两个全连接层,并依次对,以及进行处理,得到第i家企业所完成的第p个领域的第项科技成果的特征表示和降维特征表示;
步骤2.4、所述预测层利用式(9)得到第i家企业对包含第p个领域的第项科技成果的预测交互结果:(9)
式(9)中,为预测层的待训练权重矩阵,为预测层的偏置向量;
步骤2.5、使用式(10)计算第i家企业对所有科技成果的损失:(10)
式(10)中,表示第i家企业对第项科技成果的完成情况,表示第i家企业对包含第p个领域的第项科技成果的预测结果。
4.根据权利要求3所述的一种基于神经认知诊断技术的企业能力评估方法,其特征在于,所述步骤2.2是按照以下步骤进行:步骤2.2.1、将第项科技成果的科技成果等级对应的级数记为,将第项科技成果在下对应的数量记为,从而利用式(3)计算第项科技成果的科技度量值:(3)
式(3)中,min-max表示归一化处理;
步骤2.2.2、利用式(4)和式(5)计算第项科技成果的完成难度向量,以及第项科技成果的区分度向量,:(4)
(5)
式(4)和式(5)中,表示第项科技成果的独热编码向量, ,分别表示两个待训练矩阵,,。
5.根据权利要求4所述的一种基于神经认知诊断技术的企业能力评估方法,其特征在于,所述步骤2.3是按照以下步骤进行:步骤2.3.1、所述交互作用层利用式(6)建立第i家企业所完成的第p个领域的第项科技成果的交互作用函数:(6)
式(6)中,为元素乘积;
步骤2.3.2、全连接层利用式(7)和式(8)得到第i家企业所完成的第p个领域的第项科技成果的特征表示和降维特征表示:(7)
(8)
式(7)-式(8)中,表示第i家企业所完成的第p个领域的第项科技成果的特征表示,第i家企业所完成的第p个领域的第项科技成果的特征表示,为sigmoid激活函数,、分别为两个全连接层的待训练权重矩阵,、分别为两个全连接层的偏置向量。
6.根据权利要求5所述的一种基于神经认知诊断技术的企业能力评估方法,其特征在于,所述步骤3.1是按照以下步骤进行:步骤3.1.1、从构造负样本后的企业-科技成果交互集,中获取第i家企业对第项科技成果的交互三元组,并使用式(11)提取与第项科技成果相似的成果集:(11)
式(11)中,为企业未交互的科技成果的集合,,为第u项未交互科技成果,为与第u项未交互科技成果相关的领域集,为与第项技成果相关的领域集;
步骤3.1.2、利用式(12)构建第i家企业对第u项未交互科技成果的交互三元组:(12)
式(12)中,为第i家企业对第u项未交互科技成果的交互结果;
步骤3.1.3、利用式(14)得到第i家企业的可靠候选交互集:(14)
式(14)中,为中的未交互样本数,表示第i家企业对第u项未交互科技成果的交互三元组。
7.根据权利要求6所述的一种基于神经认知诊断技术的企业能力评估方法,其特征在于,所述步骤3.2是按照以下步骤进行:步骤3.2.1、利用式(15)得到第i家企业在第项未交互科技成果上的预期能力变化:(15)
式(15)中,表示第i家企业在第项未交互科技成果的期望能力变化使用诊断交互作用函数,表示第i家企业在上的对各领域的掌握程度,表示第i家企业在加上第u项未交互科技成果之后对各领域的掌握程度;
步骤3.2.2、利用式(16)计算第u项未交互科技成果的归一化后的预期能力变化权重:(16)
式(16)中,表示可靠候选交互集中的交互科技成果数量。
8.根据权利要求7所述的一种基于神经认知诊断技术的企业能力评估方法,其特征在于,所述步骤3.3是按照以下步骤进行:步骤3.3.1、对于第i家企业,根据交互结果的不同,将基于构造负样本以后的交互集分为构造负样本后的正交互结果集和构造负样本后的负交互结果集;
将可靠候选交互集分为可靠候选集中的正交互结果集和可靠候选集中的负交互结果集;
从、、、中分别取任一正交互科技成果、任一候选正交互科技成果、任一负交互科技成果、任一候选负交互科技成果,从而利用式(17)构造企业-科技成果交互结果约束:(17)
式(17)中,表示第i家企业对正交互科技成果的交互结果,表示第i家企业对负交互科技成果的交互结果,表示第i家企业对的交互结果,表示第i家企业对的交互结果;
步骤3.3.2、利用式(18)构建第i家企业对所有科技成果的BPR损失:(18)。
9.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1-8中任一所述企业能力评估方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机可读存储介质,计算机可读存储介质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运行时执行权利要求1-8中任一所述企业能力评估方法的步骤。