买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国标准化研究院申请的专利基于大数据的技术性贸易措施调查问卷的生成方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118886951B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410954920.0，技术领域涉及：G06Q30/0203；该发明授权基于大数据的技术性贸易措施调查问卷的生成方法及系统是由王淼;刘春卉;韩振国设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本基于大数据的技术性贸易措施调查问卷的生成方法及系统在说明书摘要公布了：本发明公开了基于大数据的技术性贸易措施调查问卷的生成方法及系统，包括获取贸易服务平台的资讯文本数据和网页流量数据进行预处理，对资讯文本数据进行关键词分析获得关键词语义重要度，对网页流量数据进行兴趣度分析获得用户兴趣度，基于关键词语义重要度和用户兴趣度构造偏向分析函数，构建问题序列模型，对问题序列模型嵌入偏向分析函数，对问题序列模型进行模拟，基于模拟结果计算问题的贡献度，根据问题的贡献度确定问卷生成方案，基于问卷生成方案生成调查问卷。该方法不仅可以提高调查问卷的生成效率和质量，同时具有较好的可解释性，可以直接应用于技术性贸易措施调查问卷评估系统中。

本发明授权基于大数据的技术性贸易措施调查问卷的生成方法及系统在权利要求书中公布了：1.基于大数据的技术性贸易措施调查问卷的生成方法，其特征在于，包括以下步骤： S1获取贸易服务平台的资讯文本数据和网页流量数据，进行预处理； S2对所述资讯文本数据进行关键词分析获得关键词语义重要度，对所述网页流量数据进行兴趣度分析获得用户兴趣度； S3基于所述关键词语义重要度和所述用户兴趣度构造偏向分析函数； S4构建问题序列模型，对所述问题序列模型嵌入所述偏向分析函数； S5对所述问题序列模型进行模拟，基于模拟结果计算问题的贡献度，根据所述贡献度生成调查问卷； 所述基于所述关键词语义重要度和所述用户兴趣度构造偏向分析函数的方法，包括： 基于用户兴趣度和挑选出的关键词对应的语义重要度构造偏向分析函数，表达式为： 其中，k为语义重要度大于平均语义重要度的关键词数量，kj和kt分别为关键词和关键词对应的语句的模糊语言值，m为小波函数的中心尺度值，f为小波函数，mij和σij分别为小波函数的平移参数和伸缩参数，scorej为语义重要度大于平均语义重要度的关键词的语义重要度，T为所有关键词数量，score2为用户兴趣度，为所有关键词的节点平均权重值，表示只对语义重要度大于平均语义重要度的关键词进行分析； 所述构建问题序列模型的方法，包括： S31构建第一问题模型，设计第一网络结构层，包括：输入层、嵌入向量层、编码层、全连接层、Softmax层、输出层，其中对数据的处理为将输入序列作为输入数据输入到嵌入向量层，经过编码层进行编码处理，继而通过全连接层、Softmax层处理后完成问题生成，其中通过带有自注意力机制的编码器输出的向量通过全连接层得到对应的问题输出，其中编码和解码方法的表达式为： Iinput＝[CLS],Q1,Q2,...,Qm,[SEP],C1,C2,...,Cm,[SEP] PQi＝SOftmaxfQi-1 其中，Iinput为输入数据，[CLS],Q1,Q2,...,Qm表示为输入序列，m为输入序列数量，[SEP],C1,C2,...,Cn,[SEP]表示为目标问题输出序列，fQi为输入序列第i个元素Qi经过全连接层后的向量，表示为编码器层，表示为输入序列嵌入向量层，表示为与输入序列嵌入向量矩阵共享的参数矩阵，PQi表示为输入序列Qi经过Softmax层后生成的输出序列的概率，Softmax表示为Softmax层，fQi-1为输入序列第i-1个元素Qi-1经过全连接层后的向量； S32构建第二模型，设计第二网络结构层，包括：输入层、编码层、全连接层、Softmax层、输出层，其中编码和解码的方法为： 基于双向长短期网络构建编码器，对编码器中最后一个反向隐藏状态进行线性变化，将其结果作为解码器的初始化隐藏状态，计算当前隐藏状态，计算公式为： st＝LSTMqt-1,ct-1,st-1 其中，st表示为隐藏状态，t为时间步，LSTM为编码器的LSTM网络，qt-1为时间步t的前一个单词，ct-1为上下文向量，st-1为前一时间步的隐藏状态，解码器通过注意力机制获取解码器和编码器之间的隐藏状态的复制概率，结合复制机制完成对每个问题单词进行预测； S33将第一问题模型的输出作为第二问题模型的输入，组合成序列问题模型； S34将Word2Vec模型融合至序列模型中第一问题模型中的输入层中，对输入序列中的关键词先通过Word2Vec模型进行聚类，得到关键词的类别； S35构建以资讯文本数据为输入序列，并将关键词的类别作为额外的特征融入到输入序列中，将目标问题做为目标输出序列组合的历史数据作为训练集对问题序列模型进行训练，得到训练好的问题序列模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国标准化研究院，其通讯地址为：100191 北京市海淀区知春路4号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。