一种知识产权业务管理系统的制作方法

本发明属于网络平台系统
技术领域：
，具体涉及一种知识产权业务管理系统。
背景技术：
：现代企业间竞争日趋激烈，竞争的手段是多种多样的，其中企业信息化的竞争更是重中之重。知识产权服务的专业化是促进企业创新的一个重要因素。企业通过与专业知识产权服务机构合作，可以比较全面地掌握相关领域的知识产权信息，制定合理的知识产权战略，从而绕过其他公司设置的专利网，并在权利受到侵害时获得更为及时和有效的保护。知识产权服务主要涉及一下几方面服务内容：知识产权检索、知识产权调查分析、知识产权代理、知识产权预警追踪、知识产权侵权风险分析、知识产权布局、知识产权管理体系辅导和知识产权培训。但是目前客户的需求多样化以及需求业务之间存在关联交叉现象，同时，接受委托的专家也存在领域交叉问题，如何有效地管理委托、合理地将委托分配到合适地专家手中亟需解决。如公开号为cn106780197a的中国发明专利申请“一种知识产权管理系统”，该系统包括：前端业务平台、服务器和后台管理平台，前端业务平台接收用户输入的数据信息，再发送给服务器，后台管理平台从服务器获取用户输入的数据信息进行统计管理处理，再进行新的数据信息反馈，供前端业务平台进行数据更新；前端业务平台包括与服务器连接的用户注册模块、信息共享更新模块、案件管理模块和四个业务功能模块。通过以上内容可以发现，上述知识产权管理系统仅具有管理业务与更新数据的功能，还无法实现合理地将客户委托分配到合适地专家的问题。如公开号为cn107240043a的中国发明专利申请“知识产权服务管理平台系统”，包括业务管理模块、财务管理模块、用户管理模块、系统管理模块和内容管理模块，上述各模块通过业务管理引擎与服务器和数据中心进行交互，用户只需登录系统即可办理全套知识产权业务，并且，通过合伙机构的加入，没有地域的制约。通过以上内容可以发现，现有技术中的知识产权服务管理系统仅关注业务管理引擎与服务器和数据中心的交互问题，亦无法实现合理地将客户委托分配到合适地专家的问题。技术实现要素：本发明的目的在于提供一种知识产权业务管理系统，旨在解决现有技术中业务管理不全面，无法合理地将客户委托分配到合适地专家的问题。为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：一种知识产权业务管理系统，包括：业务子系统、任务调度子系统、后台管理子系统和服务器；所述业务子系统用于接收客户和专家的输入信息，再将接收信息发送给服务器；所述任务调度子系统从服务器获取客户和专家的输入信息，将客户的委托以及专家的业务领域进行前端分类，根据前端分类结果将客户的委托和专家的业务领域进行智能匹配，合理地将客户委托分配到合适地专家，实现精准服务；所述后台管理子系统从服务器获取客户和专家的输入信息，根据输入信息对客户和专家进行统计处理，并进行数据信息反馈；知识产权业务管理系统可以接收各地的客户委托以及行业领域内的专家注册，充分利用行业领域内的专家优势为客户服务，提升服务质量，没有地域局限性。作为优选，所述任务调度子系统包括：业务分类表，用于将业务类型分为知识产权检索、知识产权调查分析、知识产权代理、知识产权预警追踪、知识产权侵权风险分析、知识产权布局、知识产权管理体系辅导和知识产权培训；分类模块，用于将客户的委托以及专家的业务领域进行前端分类，所述前端分类是利用剪枝规则将客户的委托和业务分类表进行关联从而形成客户关联规则，还利用剪枝规则将专家的业务领域和业务分类表进行关联从而形成专家关联规则；匹配模块，用于将客户关联规则与专家关联规则通过神经网络函数进行智能匹配，从而分配专家为客户的委托服务。作为优选，所述业务子系统包括：注册模块，用于接收客户以及专家的注册信息；评审模块，用于评审客户以及专家的注册信息，并将合格的注册信息存储至服务器供任务调度子系统和后台管理子系统调用；业务委托模块，用于接收客户的委托并存储至服务器。作为优选，所述后台管理子系统包括：业务流程管理模块，用于管理业务流程进展节点情况；财务管理模块，用于获取业务收支情况以及发票信息；权限管理模块，用于管理客户和专家的级别。与现有技术相比，本发明的优点如下：1.本发明的知识产权业务管理系统可以接收各地的客户委托以及行业领域内的专家注册，充分利用行业内专家优势为客户服务，提升服务质量，没有地域局限性。2.本发明的知识产权业务管理系统可以对客户的委托和专家的业务领域进行分类并匹配，合理地将客户委托分配到合适地专家，实现精准服务。附图说明图1为本发明所述的知识产权业务管理系统的整体结构示意图。具体实施方式如图1所示，一种知识产权业务管理系统，包括：业务子系统、任务调度子系统、后台管理子系统和服务器；所述业务子系统用于接收客户和专家的输入信息，再将接收信息发送给服务器；所述业务子系统包括：注册模块，用于接收客户以及专家的注册信息；评审模块，用于评审客户以及专家的注册信息，并将合格的注册信息存储至服务器供任务调度子系统和后台管理子系统调用；业务委托模块，用于接收客户的委托并存储至服务器；所述任务调度子系统包括：业务分类表，用于将业务类型分为知识产权检索、知识产权调查分析、知识产权代理、知识产权预警追踪、知识产权侵权风险分析、知识产权布局、知识产权管理体系辅导和知识产权培训；将业务分类表映射为集合的形式，如表1所示：表1业务分类映射表业务名称集合名称知识产权检索y1知识产权调查分析y2知识产权代理y3知识产权预警追踪y4知识产权侵权风险分析y5知识产权布局y6知识产权管理体系辅导y7知识产权培训y8分类模块，用于将客户的委托以及专家的业务领域进行前端分类，所述前端分类是利用剪枝规则将客户的委托和业务分类表进行关联从而形成客户关联规则；指定剪枝规则如下：令项集y＝{y1，y2，y3，y4，y5，y6，y7，y8}，最小支持度ms＝3，最小置信度mc＝0.5；根据业务之间的关联关系，业务样本集sa＝{[y1，y2，y6]，[y1，y4，y5]，[y1，y2]，[y1，y3]，[y1，y5]，[y1，y6，y3]，[y2，y5，y6]，[y2，y7，y8]，[y2，y1，y3]，[y3，y6]，[y3，y1，y5]，[y3，y5],[y4，y3，y1],[y4，y1，y5],[y5，y1],[y5，y2]，[y6，y1，y3]，[y6，y1，y5，y3]，[y7，y1，y8]，[y7，y2，y5]，[y7，y3]}；获取样本集sa中每个集合的候选集的子集，计算每个候选集的子集的支持度s；进行第一轮剪枝，去除支持度s小于3的集合；剩余的频繁集合为：s[y1]＝14；s[y2]＝7；s[y3]＝8；s[y4]＝3；s[y5]＝10；s[y6]＝6；s[y7]＝4；对含有上述频繁集进行第二轮剪枝，去除支持度s小于3的集合；剩余的集合为：s[y1，y2]＝3；s[y1，y3]＝6；s[y1，y5]＝6；s[y1，y6]＝4；s[y2，y5]＝3；s[y3，y5]＝3；s[y3，y6]＝4；s[y1，y6，y3]＝3；计算上述频繁集的置信度如下：conf(y1->y2)＝s[y1，y2]/s[y1]＝0.214；conf(y2->y1)＝s[y1，y2]/s[y2]＝0.428；conf(y1->y3)＝s[y1，y3]/s[y1]＝0.428；conf(y3->y1)＝s[y1，y3]/s[y3]＝0.375；conf(y1->y5)＝s[y1，y5]/s[y1]＝0.428；conf(y5->y1)＝s[y1，y5]/s[y5]＝0.4；conf(y1->y6)＝s[y1，y6]/s[y1]＝0.285；conf(y6->y1)＝s[y1，y6]/s[y6]＝0.667；conf(y2->y5)＝s[y2，y5]/s[y2]＝0.428；conf(y5->y2)＝s[y2，y5]/s[y5]＝0.3；conf(y3->y5)＝s[y3，y5]/s[y3]＝0.375；conf(y5->y3)＝s[y3，y5]/s[y5]＝0.3；conf(y3->y6)＝s[y3，y6]/s[y3]＝0.5；conf(y6->y3)＝s[y3，y6]/s[y6]＝0.667；conf(y1->y6^y3)＝s[y1，y6，y3]/s[y1]＝0.214；conf(y6->y1^y3)＝s[y1，y6，y3]/s[y6]＝0.5；conf(y3->y1^y6)＝s[y1，y6，y3]/s[y3]＝0.375；conf(y1^y3->y6)＝s[y1，y6，y3]/s[y1，y3]＝0.5；conf(y1^y6->y3)＝s[y1，y6，y3]/s[y1，y6]＝0.75；conf(y3^y6->y1)＝s[y1，y6，y3]/s[y3，y6]＝0.75；去掉置信度小于0.5的规则，剩余的规则如表2所示：表2客户关联规则表客户委托业务为y2(知识产权调查分析)、y4(知识产权预警追踪)、y5(知识产权侵权风险分析)、y7(知识产权管理体系辅导)、y8(知识产权培训)时，根据剪枝规则,不做映射处理；还利用剪枝规则将专家的业务领域和业务分类表进行关联从而形成专家关联规则；令项集y＝{y1，y2，y3，y4，y5，y6，y7，y8}，最小支持度ms＝3，最小置信度mc＝0.4；根据专家业务领域之间的关联关系，专家样本集sa＝{[y1，y2，y6]，[y1，y4，y5]，[y1，y2]，[y1，y3]，[y1，y5]，[y1，y6，y3]，[y2，y1]，[y2，y4]，[y2，y5]，[y2，y6]，[y2，y6，y8]，[y2，y1，y4]，[y2，y5，y6]，[y2，y7，y8]，[y2，y1，y3]，[y3，y1]，[y3，y6]，[y3，y1，y5]，[y3，y5],[y4，y1]，[y4，y3，y1]，[y4，y1，y5]，[y5，y1]，[y5，y2]，[y6，y2，y1]，[y6，y1，y3]，[y6，y1，y5，y3]，[y7，y1，y8]，[y7，y2，y5]，[y7，y3]，[y8，y1]，[y8，y7]，[y8，y2]}；获取样本集sa中每个集合的候选集的子集，计算每个候选集的子集的支持度s；进行第一轮剪枝，去除支持度s小于3的集合；剩余的频繁集合为：s[y1]＝20；s[y2]＝15；s[y3]＝11；s[y4]＝6；s[y5]＝11；s[y6]＝9；s[y7]＝5；s[y8]＝6；对含有上述频繁集进行第二轮剪枝，去除支持度s小于3的集合；剩余的集合为：s[y1，y2]＝6；s[y1，y3]＝8；s[y1，y4]＝4；s[y1，y5]＝6；s[y1，y6]＝5；s[y2，y5]＝4；s[y3，y5]＝3；s[y3，y6]＝4；s[y1，y6，y3]＝3；去掉置信度小于0.4的规则，计算得出专家关联规则如表3所示：表3专家关联规则表专家领域为y7(知识产权管理体系辅导)、y8(知识产权培训)时，根据剪枝规则,不做映射处理；匹配模块，用于将客户关联规则与专家关联规则通过神经网络函数进行智能匹配，从而分配专家为客户的委托服务；将客户关联规则写入客户委托，专家关联规则写入专家领域，客户关联规则的加权作为神经网络输入，专家关联规则的加权作为神经网络输出，如表4所示；表4匹配规则表按表4对神经网络进行拟合训练，采用径向基神经网络函数，输入为i，输出为s0，匹配模型如式(1)所示：其中：‖i－ci‖为输入量i与权值量ci的欧氏距离，wi为隐层到输出层之间的权值，拟合训练后得出权值wi＝[w1,w2,w3,w4,w5,w6,w7,w8]t＝[0.65,0.45,0.625,0.475,0.525,0.675,0.924,0.975]t，权值ci＝[c1,c2,c3,c4,c5,c6,c7,c8]t＝[0.83,0.4833,0.4917,0.4581,0.7111,0.3583,0.9167,1.000]t；如客户委托为[y1](知识产权检索)，则神经网络输入i＝[1,0,0,0,0,0,0,0]，根据匹配模型式(1)计算得出神经网络输出s0＝[0.9712,0,0.2845,0,0,0.1263,0,0]，因此，根据计算结果大小匹配专家领域依次覆盖：[y1](知识产权检索)，[y3](知识产权代理)，[y6](知识产权布局)；如客户委托为[y2，y3](知识产权调查分析，知识产权代理)，则神经网络输入i＝[0,1,1,0,0,0,0,0]，根据匹配模型式(1)计算得出神经网络输出s0＝[0.1420,0.4613,0.6581,0,0,0.0743,0,0]，因此，根据计算结果大小匹配专家领域依次覆盖：[y3，y2](知识产权代理，知识产权调查分析)，[y3，y1](知识产权代理，知识产权检索)，[y2，y1](知识产权调查分析，知识产权检索)，[y3，y6](知识产权代理，知识产权布局)，[y2，y6](知识产权调查分析，知识产权布局)，[y1，y6](知识产权检索，知识产权布局)；实现了客户委托所涉及的业务领域与专家领域的智能匹配。所述后台管理子系统还可从服务器获取客户和专家的输入信息，根据输入信息对客户和专家进行统计处理，并进行数据信息反馈；所述后台管理子系统包括：业务流程管理模块，用于管理业务流程进展节点情况；财务管理模块，用于获取业务收支情况以及发票信息；权限管理模块，用于管理客户和专家的级别。当前第1页12