[发明专利]基于工业大数据的工业算法模型推荐方法

说明书

本发明涉及互联网和大数据技术领域，具体涉及基于工业大数据的工业算法模型推荐方法，包括：获取工业算法模型，并对工业算法模型进行模型画像，生成对应的模型标签；基于推荐算法建立推荐模型，并基于工业算法模型的模型标签训练推荐模型；获取用户输入的与模型需求相关的语句文本，并对语句文本进行自然语言语义理解和分析，生成对应的用户需求；将用户需求输入经过训练的推荐模型中，输出对应的工业算法模型推荐结果。本发明能够识别用户需求并根据用户需求匹配工业算法模型，并且能够保证工业算法模型的匹配度并降低操作难度和耗费时间，从而能够辅助提高工业算法模型选取的效率和有效性。

技术领域

本发明涉及互联网和大数据技术领域，具体涉及基于工业大数据的工业算法模型推荐方法。

背景技术

工业互联网（Industrial Internet）是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，其通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。

当前，工业领域已沉淀海量成熟算法模型支撑工业数字化转型及工业互联网建设。

然而，工业算法模型的种类繁多，功能各不相同，如何有效选取合适的工业算法模型进行应用一直是本领域存在的技术难题。实际应用时，用户需要在海量的工业算法模型中自己挑选、分析、使用适合自己业务场景和需求的模型，存在匹配度低，操作难度大、耗费时间长等问题，导致工业算法模型选取的效率和有效性均不好。因此，如何设计一种能够辅助提高工业算法模型选取的效率和有效性的方法是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种基于工业大数据的工业算法模型推荐方法，能够识别用户需求并根据用户需求匹配工业算法模型，并且能够保证工业算法模型的匹配度并降低操作难度和耗费时间，从而能够辅助提高工业算法模型选取的效率和有效性，并为工业互联网的工业算法模型选取提供一种新的思路。

为了解决上述技术问题，本发明采用了如下的技术方案：

基于工业大数据的工业算法模型推荐方法，包括：

S1：获取工业算法模型，并对工业算法模型进行模型画像，生成对应的模型标签；

S2：基于推荐算法建立推荐模型，并基于工业算法模型的模型标签训练推荐模型；

S3：获取用户输入的与模型需求相关的语句文本，并对语句文本进行自然语言语义理解和分析，生成对应的用户需求；

S4：将用户需求输入经过训练的推荐模型中，输出对应的工业算法模型推荐结果。

优选的，步骤S2中，根据工业算法模型的算法属性、应用场景、应用领域和技术方案进行抽象，生成对应的模型标签。

优选的，步骤S2中，工业算法模型的模型标签基于结构化标签体系生成。

优选的，步骤S3中，通过结合本体知识库及自然词依存句法树构建语义树的方式实现语句文本的自然语言语义理解和分析。

优选的，步骤S4中，推荐模型为排序模型。

优选的，推荐模型通过如下步骤输出工业算法模型推荐结果：

S401：获取用户需求，以及对应的多个待推荐工业算法模型的模型标签；

S402：将用户需求和模型标签输入推荐模型的卷积网络模型，得到模型标签对应的排序序号；其中，卷积网络模型基于工业算法模型的模型标签训练得到；

S403：根据排序序号对待推荐工业算法模型进行排序，并将排序最靠前的一个或多个待推荐工业算法模型作为工业算法模型推荐结果。

本发明中基于工业大数据的工业算法模型推荐方法与现有技术相比，具有如下有益效果：