1、意向受让方须为依法设立的企业法人、其他经济组织或具有完全民事行为能力的自然人；
2、意向受让方须具有良好财务状况、支付能力；
3、本项目不接受联合体受让。

1.转让标的整体受让，不可拆分。
2.专利介绍：一种基于关系融合与表示学习的文献作者姓名消歧方法
专利申请日：2023.11.28
授权公告日：2024.02.06
专利权期限：20年
介绍：本发明公开了一种基于关系融合与表示学习的文献作者姓名消歧方法，属于信息技术领域，包括如下步骤：从电子文献数据库检索，获取待消歧作者的所有英文文献；利用连续词袋模型获取文献的向量表示，构建特征向量矩阵；判断任意两篇文献之间的关系；构建聚合图及聚合图对应的邻接矩阵，并基于变分图自编码器获取优化后的第一文献嵌入向量矩阵；构建重要作者图及重要作者图对应的邻接矩阵，并利用变分图自编码器和优化后的第一文献嵌入向量矩阵获取优化后的第二文献嵌入向量矩阵；基于优化后的第二文献嵌入向量矩阵，进行聚类，获得消歧结果。本发明通过多种关系融合方式构建关系图，使用关系信息优化文献的表示向量，从而提高了消歧效果。
专利介绍：一种基于图卷积神经网络的个性化学习路径推荐方法
专利申请日：2024.08.16
授权公告日：2024.11.12
专利权期限：20年
介绍：本发明公开了一种基于图卷积神经网络的个性化学习路径推荐方法，属于个性化学习推荐领域，包括如下步骤：步骤1、获取学习者、课程、视频、知识点信息，将所有的学习者、课程、视频、知识点记为一个实体集合，建立实体之间的关系，根据实体及实体之间的关系构建知识图谱；步骤2、获取所有的实体表示向量和关系表示向量；步骤3、进行学习者特征表示和课程特征表示，获得学习者表示向量和课程表示向量，设计第二损失函数进行迭代更新，获得每个学习者对每个课程的兴趣得分；步骤4、为需要进行个性化学习路径推荐的学习者推荐个性化学习路径。本发明利用图神经网络方法，深入探索学习者的偏好，提高推荐的准确度。
专利介绍：一种求解大规模多段图最短路径的分布式方法
专利申请日：2020.04.24
授权公告日：2023.07.04
专利权期限：20年
介绍：本发明公开了一种求解大规模多段图最短路径的分布式方法，属于计算机技术领域。包括如下步骤：多段图划分；各部分子图求部分最短路径；各计算节点通信求多段图最短路径。本发明相较于单机求解算法，能够使用分布式系统处理更大规模的多段图数据；相较于已有的分布式求解算法，满足负载均衡的要求并最小化通信开销。
3.截至挂牌日，已取得专利证书。

意向受让方须承诺，在递交受让申请并交纳交易保证金后，即表明理解并接受本次资产转让的所有内容及程序，完全了解与认可转让标的状况以及存在的瑕疵等一切内容，并自行承担受让转让标的所带来的一切风险和后果；成为最终受让方后不得以不了解转让标的为由退还转让标的，否则将视为违约；非因转让方原因所引发的风险因素，由受让方自行承担。
意向受让方须承诺，在收到《挂牌结果通知单》之日起5个工作日内与转让方签署《技术转让合同书》，并于签订《技术转让合同书》之日起5个工作日内支付应付交易价款至转让方指定账户（交易价款无息结算），交易费用支付至中心指定账户（如本项目公告对以上办理时间有不同约定的，从其约定）。协议成交不收取交易费用，若产生竞价，收取竞价佣金。