企业研发项目资金监管系统及其方法与流程

本技术涉及智能监管领域，且更为具体地，涉及一种企业研发项目资金监管系统及其方法。

背景技术：

1、对于一项研发项目，需要在优化资源配置、提高产出质量的前提下，进行合理的资金分配。企业通过监管资金流向，可以避免过度浪费资金，使得项目的研发效率更高，产出的成果更有价值。

2、然而，一些企业在制定项目预算时考虑不全面，导致项目实施过程中出现资金短缺和超支的情况。这可能是由于预算过于乐观，未考虑风险和不确定性因素，也可能是因为预算制定人员没有足够的经验和专业知识。

3、因此，期待一种优化的企业研发项目资金监管方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种企业研发项目资金监管系统及其方法，其综合利用研发项目的历史数据和当前情况，并结合深度学习和人工智能技术对研发项目的成本进行预测，基于研发项目的成本的预测值来进行合理的资金分配，以此来优化企业研发项目资金监管，减少资金浪费、提高研发效率和产出质量。

2、根据本技术的一个方面，提供了一种企业研发项目资金监管系统，其包括：

3、研发项目数据采集模块，用于收集研发项目的历史数据和当前情况，其中，所述历史数据包括研发周期、人员投入和材料费用，所述当前情况包括研发进度、投入人员数量和研发需求变化；

4、数据预处理模块，用于对所述历史数据和所述当前情况进行清洗和去重以得到预处理后历史数据和预处理后当前情况；

5、历史数据语义编码模块，用于对所述预处理后历史数据进行分词处理后通过包含词嵌入层的第一语义编码器以得到研发项目历史数据语义理解特征向量；

6、当前情况语义编码模块，用于对所述当前情况进行分词处理后通过包含词嵌入层的第二语义编码器以得到当前情况语义理解特征向量；

7、转移模块，用于计算所述当前情况语义理解特征向量相对于所述研发项目历史数据语义理解特征向量的转移矩阵；

8、关联模块，用于计算所述当前情况语义理解特征向量和所述研发项目历史数据语义理解特征向量之间的关联矩阵；以及

9、解码与预测模块，用于将所述转移矩阵和所述关联矩阵聚合为三维特征张量后通过解码器以得到解码值，所述解码值用于表示研发成本的预测值。

10、在上述企业研发项目资金监管系统中，所述历史数据语义编码模块，包括：第一分词单元，用于对所述预处理后历史数据进行分词处理以将所述预处理后历史数据转化为由多个词组成的词序列；第一词嵌入单元，用于使用所述包含嵌入层的第一语义编码器的嵌入层分别将所述词序列中各个词映射为词嵌入向量以得到词嵌入向量的序列；第一上下文编码单元，用于使用所述包含嵌入层的第一语义编码器的转换器对所述词嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义特征向量；以及，第一级联单元，用于将所述多个全局上下文语义特征向量进行级联以得到所述研发项目历史数据语义理解特征向量。

11、在上述企业研发项目资金监管系统中，所述当前情况语义编码模块，包括：第二分词单元，用于对所述当前情况进行分词处理以将所述当前情况转化为由多个词组成的词序列；第二词嵌入单元，用于使用所述包含嵌入层的第二语义编码器的嵌入层分别将所述词序列中各个词映射为词嵌入向量以得到词嵌入向量的序列；第二上下文编码单元，用于使用所述包含嵌入层的第二语义编码器的转换器对所述词嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义特征向量；以及，第二级联单元，用于将所述多个全局上下文语义特征向量进行级联以得到所述当前情况语义理解特征向量。

12、在上述企业研发项目资金监管系统中，所述转移模块，进一步用于：以如下公式计算所述当前情况语义理解特征向量相对于所述研发项目历史数据语义理解特征向量的转移矩阵；其中，所述公式为：

13、

14、其中v1表示所述当前情况语义理解特征向量，v2表示所述研发项目历史数据语义理解特征向量，m表示所述转移矩阵，表示矩阵相乘。

15、在上述企业研发项目资金监管系统中，所述关联模块，进一步用于：以如下关联公式对所述当前情况语义理解特征向量和所述研发项目历史数据语义理解特征向量进行关联编码以得到关联特征矩阵；其中，所述关联公式为：

16、

17、其中表示所述当前情况语义理解特征向量，vb表示所述研发项目历史数据语义理解特征向量，mb表示所述关联特征矩阵，表示矩阵相乘。

18、在上述企业研发项目资金监管系统中，所述解码与预测模块，包括：优化单元，用于对所述转移矩阵和所述关联矩阵分别进行特征亲和性空间仿射学习以得到优化转移矩阵和优化关联矩阵；聚合单元，用于将所述优化转移矩阵和所述优化关联矩阵聚合为所述三维特征张量；以及，解码单元，用于将所述三维特征张量通过所述解码器以得到所述解码值。

19、在上述企业研发项目资金监管系统中，所述优化单元，进一步用于：以如下公式对所述转移矩阵进行特征亲和性空间仿射学习进行优化以得到所述优化转移矩阵；其中，所述公式为：

20、

21、其中，m1是所述转移矩阵，m1t是所述转移矩阵的转置，||m1||2是所述转移矩阵的二范数，||m1||*是所述转移矩阵的核范数，n是矩阵的尺度，m1'是所述优化转移矩阵，log是以2为底的对数，exp(·)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值；以如下公式对所述关联矩阵进行特征亲和性空间仿射学习进行优化以得到所述优化关联矩阵；其中，所述公式为：

22、

23、其中，m2是所述关联矩阵，m2t是所述关联矩阵的转置，||m2||2是所述关联矩阵的二范数，||m2||*是所述关联矩阵的核范数，n是矩阵的尺度，m2'是所述优化关联矩阵，log是以2为底的对数，exp(·)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值。

24、在上述企业研发项目资金监管系统中，所述解码与预测模块，进一步用于：使用所述解码器以如下解码公式对所述三维特征张量进行解码回归以得到所述解码值；其中，所述解码公式为：

25、

26、其中x是所述三维特征张量，y是所述解码值，w是权重矩阵，是矩阵乘。

27、根据本技术的另一方面，提供了一种企业研发项目资金监管方法，其包括：

28、收集研发项目的历史数据和当前情况，其中，所述历史数据包括研发周期、人员投入和材料费用，所述当前情况包括研发进度、投入人员数量和研发需求变化；

29、对所述历史数据和所述当前情况进行清洗和去重以得到预处理后历史数据和预处理后当前情况；

30、对所述预处理后历史数据进行分词处理后通过包含词嵌入层的第一语义编码器以得到研发项目历史数据语义理解特征向量；

31、对所述当前情况进行分词处理后通过包含词嵌入层的第二语义编码器以得到当前情况语义理解特征向量；

32、计算所述当前情况语义理解特征向量相对于所述研发项目历史数据语义理解特征向量的转移矩阵；

33、计算所述当前情况语义理解特征向量和所述研发项目历史数据语义理解特征向量之间的关联矩阵；以及

34、将所述转移矩阵和所述关联矩阵聚合为三维特征张量后通过解码器以得到解码值，所述解码值用于表示研发成本的预测值。

35、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的企业研发项目资金监管方法。

36、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的企业研发项目资金监管方法。

37、与现有技术相比，本技术提供的一种企业研发项目资金监管系统及其方法，其综合利用研发项目的历史数据和当前情况，并结合深度学习和人工智能技术对研发项目的成本进行预测，基于研发项目的成本的预测值来进行合理的资金分配，以此来优化企业研发项目资金监管，减少资金浪费、提高研发效率和产出质量。