一种产学研协同推广方法与流程

本发明涉及人工智能与产学研协同成果转化，具体为一种产学研协同推广方法。

背景技术：

1、产学研协同推广是指高校、科研院所将基础科学研究成果，经概念验证、中试放大、投融资对接等一系列环节，转化为企业实际生产力的过程，在此期间成果的技术成熟度由较低等级逐步提升至产业化应用阶段，需要多主体接力完成工程放大、资金注入与市场对接等工作，与本发明最接近的现有技术方案为基于关键词检索的产学研对接平台，该平台的系统结构包括成果发布模块、需求发布模块、检索匹配服务器与用户交互终端，高校用户通过成果发布模块将科技成果以文本摘要形式上传至成果数据库，企业用户通过需求发布模块将技术痛点以自然语言文本形式上传至需求数据库，检索匹配服务器接收企业输入的关键词，采用文本相似度算法在成果数据库中进行检索，并将匹配度排序列表返回至用户交互终端供人工二次筛选，筛选确定的初步匹配结果进入线下协商阶段，由人工推动后续概念验证、中试放大与投融资引入等环节，各环节之间不存在信息化的协同关联，成果转化过程中的知识产权演变情况亦不予记录追踪。

技术实现思路

1、本发明要解决的技术问题在于：现有产学研协同推广系统仅对成果文本与需求文本进行表层关键词或短语相似度计算，未对成果底层理化效应与需求工程约束进行深层因果解构，导致具备跨界应用价值的成果无法被有效发现和匹配；

2、现有系统对推广工作流采用静态货架式展示，缺乏对涵盖高校、概念验证中心、中试基地、风险投资机构、龙头企业等异构节点构成的复杂协同网络进行动态自适应编排的能力，一旦某一中试节点出现验证失败或资源阻塞，整个推广链条即陷入停滞；

3、此外，现有技术未对成果在协同推广各环节中的技术特征演变过程进行记录与量化，导致协作各方无法客观核算原始知识产权在衍生技术方案中的贡献比例，容易引发利益分配纠纷。

4、为解决上述技术问题，本发明提供一种产学研协同推广方法，包括：对高校科技成果文本与企业需求文本进行结构化信息抽取，分别得到成果侧功能-效应节点集合与需求侧约束节点集合，并按照功能、效应、约束三类属性建立有向边关系，形成功能-效应-约束因果图谱；

5、采用图神经网络对该因果图谱中的节点进行邻域信息聚合与嵌入编码，得到各节点的嵌入向量；

6、计算成果侧节点嵌入向量与需求侧节点嵌入向量之间的相似度，将相似度高于预设阈值的节点对确定为匹配的成果-需求配对；

7、将该配对作为初始状态，构建包含技术成熟度等级、剩余可用转化资金、已耗用转化时间以及候选协同节点资源空闲度的状态向量，采用策略网络输出下一步转化目标节点类型并生成推广接力工作流序列，在检测到当前转化目标节点出现异常事件时，将异常事件对应的状态重新输入策略网络，输出替代目标节点类型并重构后续工作流序列；

8、对原始技术方案及各次修改后的技术方案对应的技术文档进行结构化解析，构建技术特征树，计算相邻版本技术特征树之间的图编辑距离以及原始技术特征树相对于空树的图编辑距离，据此计算原始技术方案及各协作方在衍生技术方案中的贡献权重，并根据贡献权重执行利益分配。

9、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

10、1.本发明通过构建功能-效应-约束因果图谱并结合图神经网络进行跨领域拓扑相似度匹配，克服了传统关键词表层匹配方式无法揭示跨学科底层因果关联的局限，提升了跨领域成果发现的覆盖率与匹配准确率；

11、2.本发明通过将协同推广网络建模为马尔可夫决策过程并采用策略网络实时感知节点状态、自动生成与重构推广路径，避免了因单一中试节点异常导致整个转化链条陷入停滞的问题，提升了推广流程的连续性与转化效率；

12、3.本发明通过基于图编辑距离的演进式贡献度量化方法，实现了对原始学术成果与衍生技术方案之间贡献比例的客观、透明、可追溯核算，为协作各方利益分配提供了可量化的依据，减少了多方利益分配纠纷。

1.一种产学研协同推广方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述构建功能-效应-约束因果图谱步骤中，利用大语言模型对高校科技成果的专利文本与学术论文文本进行零样本三元组抽取，提取物理实体、底层理化效应以及适用条件三类信息形成功能-效应节点集合；

3.根据权利要求1所述的方法，其特征在于，所述节点嵌入编码步骤中采用的图神经网络为graphsage网络，对每个节点的一阶邻居节点的上一层嵌入向量进行均值聚合，将聚合结果与该节点自身的上一层嵌入向量进行拼接，经权重矩阵变换与非线性激活函数处理后得到该节点在当前层的嵌入向量。

4.根据权利要求1所述的方法，其特征在于，所述跨领域匹配步骤中，采用余弦相似度计算成果侧节点嵌入向量与需求侧节点嵌入向量之间的相似度；

5.根据权利要求1所述的方法，其特征在于，所述动态工作流编排步骤中，采用近端策略优化算法对所述策略网络进行预训练；

6.根据权利要求1所述的方法，其特征在于，所述候选协同节点包括概念验证中心、中试基地、风险投资机构与龙头企业；所述异常事件包括节点验证失败、资金短缺与资源拥堵。

7.根据权利要求1所述的方法，其特征在于，所述知识贡献度量化步骤中，采用抽象语法树与自然语言依赖句法分析方法对技术文档、代码与图纸进行结构化解析，构建携带特征节点间功能依赖关系的技术特征树。

8.根据权利要求1所述的方法，其特征在于，所述根据各所述图编辑距离计算原始技术方案与各次修改对应协作方在衍生技术方案中的贡献权重包括：

9.根据权利要求1所述的方法，其特征在于，所述根据所述贡献权重执行利益分配包括：将计算得出的原始技术方案的贡献权重与各次修改协作方的贡献权重同步至智能合约接口，由智能合约根据预设分配规则执行利益分配；每当所述技术特征树更新，重新触发贡献权重的计算与利益分配。