本發(fā)明屬于人工智能，具體而言，涉及描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法與系統(tǒng)。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，借助斯坦福ai小鎮(zhèn)開源模擬虛擬醫(yī)院，患者、護(hù)士和醫(yī)生都是由大型語言模型驅(qū)動(dòng)的智能體，在虛擬醫(yī)院中模擬了治療患者疾病的整個(gè)封閉循環(huán)的關(guān)鍵環(huán)節(jié)：發(fā)病、分診、掛號(hào)、咨詢、體檢、診斷、取藥、康復(fù)和院后隨訪。智能體醫(yī)生可以在沒有手動(dòng)標(biāo)記數(shù)據(jù)的情況下，僅僅用少量真實(shí)病例數(shù)據(jù)進(jìn)行迭代進(jìn)化，隨著時(shí)間的推移不斷提高了治療性能，最后獲得較高的診斷準(zhǔn)確性。

2、隨著人工智能日益發(fā)展，僅僅使用人類手工來篩查文獻(xiàn)、閱讀文獻(xiàn)與標(biāo)注文獻(xiàn)等工作，不僅耗費(fèi)巨大人力資源，而且難以實(shí)現(xiàn)文獻(xiàn)的即時(shí)追蹤。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問題，本發(fā)明提供描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法與系統(tǒng)。

2、第一方面，本發(fā)明提供了描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，包括：

3、利用rpa機(jī)器人構(gòu)建文獻(xiàn)自動(dòng)化查詢機(jī)器人，運(yùn)行文獻(xiàn)自動(dòng)化查詢系統(tǒng)，文獻(xiàn)自動(dòng)化查詢機(jī)器人根據(jù)關(guān)鍵詞執(zhí)行文獻(xiàn)自動(dòng)化查詢與下載任務(wù)；

4、構(gòu)建基于大模型的文獻(xiàn)自動(dòng)化閱讀智能體機(jī)器人，利用智能體機(jī)器人進(jìn)行文獻(xiàn)自動(dòng)化閱讀；文獻(xiàn)自動(dòng)化閱讀機(jī)器人執(zhí)行文獻(xiàn)閱讀任務(wù)、文獻(xiàn)摘要提取任務(wù)與文獻(xiàn)相關(guān)性系數(shù)計(jì)算任務(wù)；

5、分別提取專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的特征向量，計(jì)算專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的特征向量的第一相關(guān)性系數(shù)；

6、篩選專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的第一相關(guān)性系數(shù)大于第一設(shè)定值的文獻(xiàn)并保存為第一中間文獻(xiàn)；

7、構(gòu)建基于大模型的圖像自動(dòng)化比對(duì)智能體機(jī)器人并運(yùn)行，計(jì)算第一中間文獻(xiàn)所記載的圖形與已知文獻(xiàn)的圖形的第二相關(guān)性系數(shù)；

8、篩選第一中間文獻(xiàn)中與已知文獻(xiàn)的第二相關(guān)性系數(shù)大于第二設(shè)定值的第一中間文獻(xiàn)并保存為第二中間文獻(xiàn)；

9、構(gòu)建基于大模型的文獻(xiàn)關(guān)鍵詞自動(dòng)化摘錄智能體機(jī)器人并運(yùn)行，對(duì)第二中間文獻(xiàn)中的文獻(xiàn)關(guān)鍵詞進(jìn)行摘錄，并保存在數(shù)據(jù)庫中；

10、利用rpa機(jī)器人構(gòu)建數(shù)字化地圖自動(dòng)化標(biāo)注機(jī)器人并運(yùn)行，對(duì)數(shù)據(jù)庫中的文獻(xiàn)關(guān)鍵詞進(jìn)行自動(dòng)化提取并在數(shù)字地圖上進(jìn)行自動(dòng)化標(biāo)注，得到描述已知文獻(xiàn)所載方案的影響力擴(kuò)散與發(fā)展趨勢(shì)的數(shù)字化動(dòng)態(tài)地圖。

11、第二方面，本發(fā)明提供了描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建系統(tǒng)，包括查詢單元、閱讀單元、第一相關(guān)性系數(shù)計(jì)算單元、第一篩選單元、第二相關(guān)性系數(shù)計(jì)算單元、第二篩選單元、摘錄單元與標(biāo)注單元；

12、查詢單元，用于利用rpa機(jī)器人構(gòu)建文獻(xiàn)自動(dòng)化查詢機(jī)器人，運(yùn)行文獻(xiàn)自動(dòng)化查詢系統(tǒng)，文獻(xiàn)自動(dòng)化查詢機(jī)器人根據(jù)關(guān)鍵詞執(zhí)行文獻(xiàn)自動(dòng)化查詢與下載任務(wù)；

13、閱讀單元，用于構(gòu)建基于大模型的文獻(xiàn)自動(dòng)化閱讀智能體機(jī)器人，利用智能體機(jī)器人進(jìn)行文獻(xiàn)自動(dòng)化閱讀；文獻(xiàn)自動(dòng)化閱讀機(jī)器人執(zhí)行文獻(xiàn)閱讀任務(wù)、文獻(xiàn)摘要提取任務(wù)與文獻(xiàn)相關(guān)性系數(shù)計(jì)算任務(wù)；

14、第一相關(guān)性系數(shù)計(jì)算單元，用于分別提取專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的特征向量，計(jì)算專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的特征向量的第一相關(guān)性系數(shù)；

15、第一篩選單元，用于篩選專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的第一相關(guān)性系數(shù)大于第一設(shè)定值的文獻(xiàn)并保存為第一中間文獻(xiàn)；

16、第二相關(guān)性系數(shù)計(jì)算單元，用于構(gòu)建基于大模型的圖像自動(dòng)化比對(duì)智能體機(jī)器人并運(yùn)行，計(jì)算第一中間文獻(xiàn)所記載的圖形與已知文獻(xiàn)的圖形的第二相關(guān)性系數(shù)；

17、第二篩選單元，用于篩選第一中間文獻(xiàn)中與已知文獻(xiàn)的第二相關(guān)性系數(shù)大于第二設(shè)定值的第一中間文獻(xiàn)并保存為第二中間文獻(xiàn)；

18、摘錄單元，用于構(gòu)建基于大模型的文獻(xiàn)關(guān)鍵詞自動(dòng)化摘錄智能體機(jī)器人并運(yùn)行，對(duì)第二中間文獻(xiàn)中的文獻(xiàn)關(guān)鍵詞進(jìn)行摘錄，并保存在數(shù)據(jù)庫中；

19、標(biāo)注單元，用于利用rpa機(jī)器人構(gòu)建數(shù)字化地圖自動(dòng)化標(biāo)注機(jī)器人并運(yùn)行，對(duì)數(shù)據(jù)庫中的文獻(xiàn)關(guān)鍵詞進(jìn)行自動(dòng)化提取并在數(shù)字地圖上進(jìn)行自動(dòng)化標(biāo)注，得到描述已知文獻(xiàn)所載方案的影響力擴(kuò)散與發(fā)展趨勢(shì)的數(shù)字化動(dòng)態(tài)地圖。

20、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

21、進(jìn)一步，文獻(xiàn)自動(dòng)化查詢機(jī)器人根據(jù)關(guān)鍵詞執(zhí)行文獻(xiàn)自動(dòng)化查詢與下載任務(wù)時(shí)，根據(jù)關(guān)鍵詞查找專題數(shù)據(jù)庫中的文獻(xiàn)，將題目或者摘要包含關(guān)鍵詞的專題數(shù)據(jù)庫中的文獻(xiàn)下載至專題數(shù)據(jù)庫。

22、進(jìn)一步，分別提取專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的特征向量，計(jì)算專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的特征向量之間夾角的余弦相似度作為第一相關(guān)性系數(shù)；如果專題數(shù)據(jù)庫中的文獻(xiàn)與已知文獻(xiàn)的特征向量之間夾角的余弦相似度大于第一設(shè)定閾值，則保留專題數(shù)據(jù)庫中的文獻(xiàn)，否則不保留專題數(shù)據(jù)庫中的文獻(xiàn)。

23、進(jìn)一步，第二相關(guān)性系數(shù)包括外形相關(guān)性系數(shù)與圖片顏色相關(guān)系數(shù)；若第一中間文獻(xiàn)所記載的圖形與已知文獻(xiàn)的圖形的外形相關(guān)性系數(shù)大于第二設(shè)定閾值，且圖片顏色相關(guān)系數(shù)均大于第三設(shè)定閾值，則第一中間文獻(xiàn)由該已知文獻(xiàn)發(fā)展得到。

24、進(jìn)一步，外形相關(guān)性系數(shù)根據(jù)尺度不變特征變換相關(guān)系數(shù)算法計(jì)算，包括：

25、分別在第一中間文獻(xiàn)所記載的圖形與已知文獻(xiàn)的圖形中提取出具有尺度不變性和旋轉(zhuǎn)不變性的特征點(diǎn)；特征點(diǎn)包含了位置信息、尺度信息與方向信息；

26、通過特征點(diǎn)的描述子匹配兩張圖片中的特征點(diǎn)；描述子為用于描述特征點(diǎn)周圍的像素信息的向量；

27、根據(jù)匹配的特征點(diǎn)數(shù)量與質(zhì)量計(jì)算外形相關(guān)性。

28、進(jìn)一步，采用距離度量的方法確定兩張圖片外形匹配程度作為外形相關(guān)性系數(shù)；距離度量的方法包括計(jì)算特征點(diǎn)的歐式距離確定兩張圖片的外形相似度。

29、進(jìn)一步，圖片顏色相關(guān)系數(shù)根據(jù)顏色直方圖相交算法計(jì)算，包括:對(duì)于第一中間文獻(xiàn)所記載的每一張圖形與已知文獻(xiàn)的圖形，分別構(gòu)建顏色直方圖，統(tǒng)計(jì)圖像中每種顏色出現(xiàn)頻率，計(jì)算第一中間文獻(xiàn)所記載的每一張圖形與已知文獻(xiàn)的圖形的顏色直方圖相交系數(shù)，作為圖片顏色相關(guān)系數(shù)。

30、進(jìn)一步，文獻(xiàn)關(guān)鍵詞包括文獻(xiàn)摘要關(guān)鍵詞、文獻(xiàn)中的作者、作者機(jī)構(gòu)、作者郵箱與文獻(xiàn)所屬行業(yè)。

31、本發(fā)明的有益效果是：本發(fā)明提出基于機(jī)器人流程化技術(shù)結(jié)合基于大模型的智能體機(jī)器人，融合可視化技術(shù)，通過全自動(dòng)、智能化以及高效率地追蹤全球文獻(xiàn)，對(duì)技術(shù)文獻(xiàn)在全球的傳播與擴(kuò)散實(shí)現(xiàn)無人值守模式的智能化及時(shí)追蹤，具有較高的學(xué)術(shù)價(jià)值與商業(yè)價(jià)值；本發(fā)明具有開發(fā)部署簡(jiǎn)單、集成化程度高、自動(dòng)化運(yùn)行、實(shí)時(shí)性追蹤和智能化分析等顯著優(yōu)點(diǎn)，對(duì)查詢關(guān)鍵詞稍作修改，即可對(duì)任何一個(gè)新技術(shù)文獻(xiàn)在全球范圍的擴(kuò)散與發(fā)展趨勢(shì)進(jìn)行追蹤，因此本發(fā)明具有極強(qiáng)的可擴(kuò)展性。

技術(shù)特征：

1.描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，文獻(xiàn)自動(dòng)化查詢機(jī)器人根據(jù)關(guān)鍵詞執(zhí)行文獻(xiàn)自動(dòng)化查詢與下載任務(wù)時(shí)，根據(jù)關(guān)鍵詞查找專題數(shù)據(jù)庫中的文獻(xiàn)，將題目或者摘要包含關(guān)鍵詞的專題數(shù)據(jù)庫中的文獻(xiàn)下載至專題數(shù)據(jù)庫。

3.根據(jù)權(quán)利要求1所述描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，分別提取專題數(shù)據(jù)庫中的的文獻(xiàn)與已知文獻(xiàn)的特征向量，計(jì)算專題數(shù)據(jù)庫中的的文獻(xiàn)與已知文獻(xiàn)的特征向量之間夾角的余弦相似度作為第一相關(guān)性系數(shù)；如果特征向量之間夾角的余弦相似度大于第一設(shè)定閾值，則保留專題數(shù)據(jù)庫中的文獻(xiàn)，否則不保留專題數(shù)據(jù)庫中的文獻(xiàn)。

4.根據(jù)權(quán)利要求1所述描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，第二相關(guān)性系數(shù)包括外形相關(guān)性系數(shù)與圖片顏色相關(guān)系數(shù)；若第一中間文獻(xiàn)所記載的圖形與已知文獻(xiàn)所載的圖形的外形相關(guān)性系數(shù)大于第二設(shè)定閾值，且圖片顏色相關(guān)系數(shù)均大于第三設(shè)定閾值，則第一中間文獻(xiàn)由該已知文獻(xiàn)發(fā)展得到。

5.根據(jù)權(quán)利要求4所述描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，外形相關(guān)性系數(shù)根據(jù)尺度不變特征變換相關(guān)系數(shù)算法計(jì)算，包括：

6.根據(jù)權(quán)利要求5所述描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，采用距離度量的方法確定兩張圖片外形匹配程度作為外形相關(guān)性系數(shù)；距離度量的方法包括計(jì)算特征點(diǎn)的歐式距離確定兩張圖片的外形相似度。

7.根據(jù)權(quán)利要求4所述描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，圖片顏色相關(guān)系數(shù)根據(jù)顏色直方圖相交算法計(jì)算，包括:對(duì)于第一中間文獻(xiàn)所記載的每一張圖形與已知文獻(xiàn)的圖形，分別構(gòu)建顏色直方圖，統(tǒng)計(jì)圖像中每種顏色出現(xiàn)頻率，計(jì)算第一中間文獻(xiàn)所記載的每一張圖形與已知文獻(xiàn)的圖形的顏色直方圖相交系數(shù)，作為圖片顏色相關(guān)系數(shù)。

8.根據(jù)權(quán)利要求1所述描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法，其特征在于，文獻(xiàn)關(guān)鍵詞包括文獻(xiàn)摘要關(guān)鍵詞、文獻(xiàn)中的作者、作者機(jī)構(gòu)、作者郵箱與文獻(xiàn)所屬行業(yè)。

9.描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建系統(tǒng)，其特征在于，包括查詢單元、閱讀單元、第一相關(guān)性系數(shù)計(jì)算單元、第一篩選單元、第二相關(guān)性系數(shù)計(jì)算單元、第二篩選單元、摘錄單元與標(biāo)注單元；

技術(shù)總結(jié)
本發(fā)明屬于人工智能技術(shù)領(lǐng)域，涉及描述文獻(xiàn)影響擴(kuò)散的數(shù)字化動(dòng)態(tài)地圖構(gòu)建方法與系統(tǒng)。該方法包括：利用基于RPA的機(jī)器人構(gòu)建文獻(xiàn)自動(dòng)化查詢機(jī)器人；構(gòu)建基于大模型的文獻(xiàn)自動(dòng)化閱讀智能體機(jī)器人；計(jì)算第一相關(guān)性系數(shù)；構(gòu)建基于大模型的圖像自動(dòng)化比對(duì)智能體機(jī)器人并運(yùn)行，計(jì)算第二相關(guān)性系數(shù)；構(gòu)建基于大模型的文獻(xiàn)關(guān)鍵詞自動(dòng)化摘錄智能體機(jī)器人并運(yùn)行；構(gòu)建數(shù)字化地圖自動(dòng)化標(biāo)注機(jī)器人，得到描述已知文獻(xiàn)所載方案影響力擴(kuò)散與發(fā)展趨勢(shì)的數(shù)字化動(dòng)態(tài)地圖。本發(fā)明提出基于RPA結(jié)合基于大模型的智能體機(jī)器人，對(duì)文獻(xiàn)所載方案的傳播與擴(kuò)散實(shí)現(xiàn)無人值守模式的智能化及時(shí)追蹤，具有較高的學(xué)術(shù)價(jià)值、商業(yè)價(jià)值與極強(qiáng)的可擴(kuò)展性。

技術(shù)研發(fā)人員：羅彬
受保護(hù)的技術(shù)使用者：四川互慧軟件有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17