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！

龙图腾网获悉四川省拱心石科技有限公司申请的专利一种基于项目数据挖掘的建筑工程公司项目匹配度分析方法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：CN116340784B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310102471.2，技术领域涉及：G06F18/22；该发明授权一种基于项目数据挖掘的建筑工程公司项目匹配度分析方法是由邓青松设计研发完成，并于2023-02-13向国家知识产权局提交的专利申请。

本一种基于项目数据挖掘的建筑工程公司项目匹配度分析方法在说明书摘要公布了：本发明公开了一种基于项目数据挖掘的建筑工程公司项目匹配度分析方法，该方法包括采集多个建筑工程公司对应的多个工程项目信息作为元数据集，对元数据集进行分类，并对元数据集进行预处理；建立项目匹配预测模型CDF，将预处理后的元数据输入模型并输出预测结果；将CDF模型的预测结果与真实标签进行对比，迭代更新模型的参数直至模型收敛；将真实工程项目数据输入模型，预测该工程项目与各个建筑工程公司所对应的匹配度数值，并提供匹配度数值最高的Top‑n个建筑工程公司，最终能够准确客观地选择较为匹配的建筑工程公司并提高选择效率。本发明解决了传统方法进行人工筛选所导致的准确性较低、耗费人力成本较高的问题。

本发明授权一种基于项目数据挖掘的建筑工程公司项目匹配度分析方法在权利要求书中公布了：1.一种基于项目数据挖掘的建筑工程公司项目匹配度分析方法，其特征在于：包括以下步骤： S1：采集多个建筑工程公司对应的多个工程项目信息作为元数据集，对元数据集进行分类，并对元数据集进行预处理； S2：建立项目匹配预测模型CDF，将预处理后的元数据输入模型并输出预测结果；所述项目匹配预测模型CDF包括：一个特征向量嵌入模型、一个卷积神经网络模型、两个前馈神经网络模型和一个匹配度预测模型；所述项目匹配预测模型CDF的输入端作为特征向量嵌入模型的输入端；特征向量嵌入模型的输出端与卷积神经网络模型的输入端连接；卷积神经网络模型的输出端与第一个前馈神经网络模型的输入端连接；第一个前馈神经网络模型的输出端与第二个前馈神经网络模型的输入端连接；第二个前馈神经网络模型的输出端与匹配度预测模型的输入端连接；匹配度预测模型的输出端作为项目匹配预测模型CDF的输出端； 所述特征向量嵌入模型包括：Relu激活函数层、批处理层和全连接层；所述特征向量嵌入模型的输入端作为Relu激活函数层的输入端；Relu激活函数层的输出端与批处理层的输入端连接；批处理层的输出端与全连接层的输入端连接；全连接层的输出端作为特征向量嵌入模型的输出端，与卷积神经网络模型的卷积层连接； 所述卷积神经网络模型包括：卷积层、池化层和输出层；所述卷积神经网络模型的输入端作为卷积层的输入端；卷积层的输出端与池化层的输入端连接；池化层的输出端与输出层的输入端连接；输出层的输出端作为卷积神经网络模型的输出端，与第一个前馈神经网络模型的全连接层连接； 所述第一个前馈神经网络模型包括：全连接层、前馈神经网络层和Dropout层；所述第一个前馈神经网络模型的输入端作为全连接层的输入端；全连接层的输出端与前馈神经网络层的输入端连接；前馈神经网络层的输出端与Dropout层的输入端连接；Dropout层的输出端作为第一个前馈神经网络模型的输出端，与第二个前馈神经网络模型的全连接层连接； 所述第二个前馈神经网络模型包括：全连接层、前馈神经网络层和Dropout层；所述第二个前馈神经网络模型的输入端作为全连接层的输入端，全连接层的输出端与前馈神经网络层的输入端连接；前馈神经网络层的输出端与Dropout层的输入端连接；Dropout层的输出端作为第二个前馈神经网络模型的输出端，与匹配度预测模型连接； 生成建筑工程公司项目匹配度的计算公式如下所示： 其中，为卷积层输出特征向量，为激活函数，，，，，对应的卷积层过滤器权向量，，，，对应的卷积层过滤器权向量，个嵌入特征向量的串联，为第一个前馈神经网络层的输出特征向量，为激活函数，为第一个前馈神经网络层的权重矩阵，为第一个前馈神经网络层的偏置项，为第一个Dropout层的输出特征向量，为第一个Dropout层的调整参数，为概率向量生成函数，为第一个Dropout层的偏置项，为第二个前馈神经网络层的输出特征向量，为激活函数，为第二个前馈神经网络层的权重矩阵，为第二个前馈神经网络层的偏置项，为第二个Dropout层的输出特征向量，为第二个Dropout层的调整参数，为第二个Dropout层的偏置项，为模型预测匹配度数值，为激活函数，为预测层的权重矩阵，为预测层的偏置项； S3：将CDF模型的预测结果与真实标签进行对比，迭代更新模型的参数直至模型收敛； S4：将真实工程项目数据输入模型，预测该工程项目与各个建筑工程公司所对应的匹配度数值，并提供匹配度数值最高的个建筑工程公司。

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四川省拱心石科技有限公司，其通讯地址为：610000 四川省成都市老马路18号1层附17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”。

以上内容由龙图腾AI智能生成。