[发明专利]一种科技项目相似分析方法、计算机设备、存储介质

说明书

本发明涉及一种科技项目相似分析方法、计算机设备、存储介质，所述方法包括：获取待评审项目申报材料电子文档，并对其进行文本提取得到待评审项目的待评审标题信息；获取历史评审项目申报材料电子文档，并对其进行文本提取得到历史评审项目的历史标题信息；根据待评审标题信息与历史标题信息进行短文本相似度分析，并根据分析结果初步判定两者是否相似；若是，则对待评审项目和历史项目的电子文档进行文本提取得到待评审长文本信息和历史长文本信息，并进行长文本相似度分析和最终的相似性判断，若否，则进行循环或结束。本发明适用于电力各专业领域的科技项目申报材料的文本相似度分析，有助于实现智能辅助立项评审，避免重复立项。

技术领域

本发明涉及软件信息技术领域，具体涉及一种科技项目相似分析方法、计算机设备、存储介质。

背景技术

随着电力改革不断深入、科学技术不断持续发展，电网公司各专业领域的科学技术研究项目立项评审越来越多，为了避免相似的项目重复申报，需要对科学技术研究项目的申报材料进行相似度审核。一般而言，科技项目申报材料均为大文本，目前科技项目相似度判别方式须依靠专业人工阅读甄别比对，对于每一份科技项目申报材料，都需要将其与数据库中的海量在先科技项目申报材料进行人工对比，耗费大量人力时间成本，并且难以保障相似性判定的高效准确。随着环保意识的增强，目前电网公司推行无纸化办公，科技项目申报材料均采用电子文档方式提交和评审，电子文档为评审工作的信息化提供了基础，可以通过分析待评审项目与历史评审项目的文本相似度来判断是否存在重复申报情况，目前的文本相似度分析主要包括分词以及分词后的词与词之间的距离计算，最后综合得到相似度结果。

但目前文本相似度分析方法并不是适用于电网公司各专业领域的科学技术研究项目立项评审，主要原因如下：

(1)因为标题中的专业词较多而且都是以组合起来的长词出现，并不是单纯的可以切分的专业词汇，如‘基于大数据加速分析与三维数字化的设备可视化监测模型的研究与应用’，这其中‘大数据加速分析’，‘设备可视化检测模型’简单的切分成‘大数据’，‘加速’，‘分析’，‘设备’，‘可视化’，‘检测’，‘模型’后，含义已经改变；

(2)对专业名称来说语义理解效果较差。如：‘源端基地综合能源系统关键技术及发展模式研究’和‘综合能源系统多能转换模拟与综合能效评估技术研究’两者在语义理解上相似度会相对较高，但实际上这两个科技项目相差很大；

(3)科技项目标题相对较短，长的30个字左右，短的只有10个字。由于科技项目标题中含有大量的专业名称，并且专业名称常常组合到一起组成更长含有语义的词语，对于两个项目标题来说，如果两个名称中有较多重复的这种专业名词，那这两个项目相似的可能性就非常大。但是如果采用直接的编辑距离来计算可能导致相似度非常低。

(4)科技项目标题为短文本，科技项目的申报材料中的项目摘要、主要研究内容、技术路线和预期目标等部分内容为长文本，由较多句子组成，上下句大都存在相互关系，因此，对于一个科技项目的申报材料的文本比较，不能简单使用一种文本对比方法进行处理，现有对于文本的处理都没有考虑这一点。

发明内容

本发明的目的在于提出一种科技项目相似分析方法、计算机设备、计算机可读存储介质，适用于电力各专业领域的科技项目申报材料的文本相似度分析，有助于实现智能辅助立项评审，避免重复立项，保障立项管理工作提质增效。

为达上述目的，根据第一方面，本发明实施例提出一种科技项目相似分析方法，包括：

步骤S1、获取待评审项目申报材料电子文档，并对其进行文本提取得到待评审项目的待评审标题信息；

步骤S2、获取第i个历史评审项目申报材料电子文档，并对其进行文本提取得到第i个历史评审项目的历史标题信息；