一种基于区块链与智能体的链上目录检索及供需匹配方法与流程

本发明涉及区块链与数据流通领域，尤其涉及一种基于区块链与智能体的链上目录检索及供需匹配方法。

背景技术：

1、随着各行业数字化转型的推进，跨部门、跨机构的数据共享需求日益增加。数据目录是实现数据发现和共享的基础。目前，在跨节点的数据共享网络中，实现数据提供方与使用方之间的供需匹配仍然存在诸多技术瓶颈。

2、首先，现有的数据目录检索通常依赖于关键词的精确匹配或浅层文本分析。由于数据提供方在注册目录时多采用标准的结构化字段，而数据使用方在发起检索时常使用贴近自身业务场景的自然语言，供需双方在文本表述上存在客观差异，这种基于字面匹配的方式难以将简单的结构化字段与复杂的业务逻辑联系起来，导致检索系统无法准确识别数据的深层语义，进而造成检索结果的准确率偏低。

3、其次，在目录检索的排序阶段，现有的供需匹配机制大多以检索文本与目录文本的相似度作为唯一的评价指标，这种处理逻辑忽略了数据在实际共享网络中的流转表现。在真实业务中，部分数据虽然文本描述契合度高，但可能存在历史调用频次低、数据质量反馈差等问题，现有系统由于无法有效提取并量化共享审批日志中的历史调用频次与评价数据，导致目录排序脱离了客观的业务背景，使得匹配结果的可靠性受限。

4、最后，现有的数据匹配算法多为静态的单向检索架构，缺乏面对异常匹配情况的自主纠错能力，在实际操作中，当匹配到的数据目录由于粒度不足或来源不符被数据使用方拒绝时，现有系统通常只会简单终止流程，系统无法提取这些拒绝指令背后隐藏的约束偏离特征，也无法利用这些失败的匹配记录来调整底层的网络拓扑与权重分配，这导致系统在后续面对类似检索需求时，依然会重复执行失效的匹配路径，使得匹配算法难以根据真实的供需反馈进行迭代优化。

技术实现思路

1、为了弥补以上不足，本发明提供了一种基于区块链与智能体的链上目录检索及供需匹配方法，旨在改善了现有技术中数据目录检索与供需匹配机制存在因供需语义表达差异导致检索准确率低、因排序指标单一忽略历史调用表现导致结果可靠性受限，以及因无法有效利用拒绝反馈数据导致系统缺乏自主纠错与迭代优化能力的问题。

2、为了实现上述目的，本发明采用了如下技术方案：一种基于区块链与智能体的链上目录检索及供需匹配方法，应用于通信连接区块链网络、数据提供方节点与数据使用方节点的供需匹配智能体；所述方法包括：

3、获取所述数据提供方节点发送至所述区块链网络的目录元数据，调用大语言模型根据所述目录元数据进行逻辑推断以生成语义增强元数据，对所述语义增强元数据执行向量化映射处理得到目录语义向量，并将所述目录语义向量写入配置的向量索引库中；

4、接收所述数据使用方节点发送的自然语言检索请求，提取所述自然语言检索请求内部的实体参数，基于所述实体参数生成结构化硬约束条件集，对所述自然语言检索请求进行文本清洗操作以生成清洗后检索文本，并将所述清洗后检索文本转化为需求语义特征向量；

5、依据所述结构化硬约束条件集对所述向量索引库执行数据过滤操作得到合规目录子集，计算所述需求语义特征向量与所述合规目录子集中的目录语义向量的相似度数值以筛选出粗筛候选集；获取所述区块链网络存储的共享审批日志，根据所述共享审批日志构建有向二分图，并依据所述有向二分图计算所述粗筛候选集内部对应数据节点的动态权威性得分，融合所述相似度数值与所述动态权威性得分进行二次排序并输出精排候选目录列表；

6、根据所述精排候选目录列表生成匹配解释文本，将所述精排候选目录列表与所述匹配解释文本下发至所述数据使用方节点，并在首次生成并下发所述精排候选目录列表时，同步将初次未加载约束增量时的正向运算执行路径记录缓存为初始最优解；

7、若接收到所述数据使用方节点反馈的携带反馈原因文本数据的拒绝指令，则将所述供需匹配智能体内部的系统计算步骤与系统数据流转过程分别映射为节点与边并抽象为有向无环图状态机，将所述拒绝指令转化为约束增量，解析所述反馈原因文本数据得到约束冲突偏离数据，计算所述有向二分图内数据节点的拓扑权威性梯度并将所述拓扑权威性梯度作为阻尼参数，结合所述阻尼参数与所述约束增量在所述有向无环图状态机中执行寻路计算以输出最优回滚路径，沿所述最优回滚路径跳转重新执行运算，同时提取所述初始最优解与所述约束冲突偏离数据之间映射比对产生的算法残差，并将所述算法残差转化为具有数值权重的负向约束边增补写入所述有向二分图中。

8、作为上述技术方案的进一步描述：

9、所述目录元数据包含原始结构化字段，所述原始结构化字段包含文本字符数据，所述调用大语言模型根据所述目录元数据进行逻辑推断以生成语义增强元数据的步骤，包括：

10、提取所述原始结构化字段包含的文本字符数据；

11、配置预设文本分析指令，将所述文本字符数据汇入所述预设文本分析指令，并将所述预设文本分析指令传输至所述大语言模型；

12、所述大语言模型结合外部领域知识库执行自然语言推理操作，输出业务场景描述文本、应用用途描述文本、关联数据描述文本以及数据粒度描述文本；

13、汇总拼接所述原始结构化字段与所述业务场景描述文本、所述应用用途描述文本、所述关联数据描述文本以及所述数据粒度描述文本，依据汇总拼接后的整体文本数据生成所述语义增强元数据。

14、作为上述技术方案的进一步描述：

15、所述提取所述自然语言检索请求内部的实体参数，基于所述实体参数生成结构化硬约束条件集的步骤，包括：

16、将所述清洗后检索文本输入预先配置的命名实体识别模型，利用所述命名实体识别模型提取所述清洗后检索文本包含的所述实体参数；

17、将所述清洗后检索文本输入预先配置的意图分类模型，利用所述意图分类模型执行特征映射与分类概率计算操作以输出意图类别标签；

18、依据所述实体参数执行规则映射处理以生成显式约束规则参数，并拼接合并所述显式约束规则参数以生成所述结构化硬约束条件集。

19、作为上述技术方案的进一步描述：

20、所述向量索引库内配置有唯一标识符，所述依据所述结构化硬约束条件集对所述向量索引库执行数据过滤操作得到合规目录子集，计算相似度数值以筛选出粗筛候选集的步骤，包括：

21、解析所述结构化硬约束条件集包含的所述显式约束规则参数，基于所述显式约束规则参数在所述向量索引库内执行布尔条件匹配计算，提取符合所述显式约束规则参数的目录语义向量及其对应映射的唯一标识符，以生成所述合规目录子集；

22、依据所述意图类别标签在预先配置的类别阈值映射表中执行映射查询操作以输出动态召回数量；

23、针对所述需求语义特征向量与所述合规目录子集内的各个目录语义向量执行余弦相似度计算操作以输出各个目录语义向量对应的所述相似度数值；

24、依据所述相似度数值对所述目录语义向量执行降序排列操作，并结合所述动态召回数量提取排序位于所述动态召回数量范围内的目录语义向量与关联的唯一标识符，生成所述粗筛候选集。

25、作为上述技术方案的进一步描述：

26、所述共享审批日志包含历史数据供需匹配记录，所述历史数据供需匹配记录包括数据提供方节点标识、数据使用方节点标识、审批完成时间戳参数以及反馈评价得分参数，所述根据所述共享审批日志构建有向二分图，并依据所述有向二分图计算动态权威性得分的步骤，包括：

27、将所述数据提供方节点标识映射配置为供应侧网络图节点，将所述数据使用方节点标识映射配置为需求侧网络图节点，依据流转调用关系构建有向连接边，并结合所述反馈评价得分参数为所述有向连接边计算赋予初始连接权重，进而合并生成所述有向二分图；

28、依据所述粗筛候选集包含的唯一标识符在所述有向二分图中匹配定位对应的所述供应侧网络图节点，提取指向该供应侧网络图节点的所述有向连接边以生成连接边集合，并统计所述连接边集合包含的边数量参数；

29、针对每次发生历史流转调用时，提取对应的需求侧网络图节点在所述有向二分图中的入度与出度总和作为节点中心度参数，并计算当前系统时间戳与对应的所述审批完成时间戳参数之间的数值差作为时间差值参数；

30、提取预设的基础职能权重参数、时间衰减常数以及调节系数，将对应于每一次调用的所述节点中心度参数与基于所述时间衰减常数和所述时间差值参数乘积生成的指数衰减项相乘，对相乘后得到的多个数值进行求和操作，将求和结果乘以所述调节系数得到调节补偿值，将所述基础职能权重参数与所述调节补偿值相加得出最终的所述动态权威性得分。

31、作为上述技术方案的进一步描述：

32、所述融合所述相似度数值与所述动态权威性得分进行二次排序并输出精排候选目录列表的步骤，包括：

33、合并所述清洗后检索文本与所述语义增强元数据以生成级联文本序列，将所述级联文本序列输入预先配置的交叉编码器模型进行降维映射以输出深度语义匹配分数；

34、依据所述意图类别标签在预设的权重配置矩阵中执行匹配查询操作，输出向量召回权重系数、语义精排权重系数以及权威性权重系数；

35、将所述相似度数值与所述向量召回权重系数相乘得到第一乘积，将所述深度语义匹配分数与所述语义精排权重系数相乘得到第二乘积，将所述动态权威性得分与所述权威性权重系数相乘得到第三乘积；

36、将所述第一乘积、所述第二乘积与所述第三乘积执行线性加权求和计算操作以生成综合重排序得分，并依据所述综合重排序得分降序整合所述粗筛候选集内的唯一标识符以生成所述精排候选目录列表。

37、作为上述技术方案的进一步描述：

38、所述将所述拒绝指令转化为约束增量的步骤，包括：

39、将所述反馈原因文本数据输入预先配置的反馈原因分类模型执行文本分类概率计算操作，以输出原因类别标签，所述原因类别标签包括语义偏差标签、粒度不足标签、数据项缺失标签以及来源不符标签；

40、依据所述原因类别标签在预先配置的约束增量转换矩阵中执行映射查询操作，映射输出包含对应偏置调节参数或过滤参数的所述约束增量；

41、其中，当所述原因类别标签为粒度不足标签或数据项缺失标签时，所述约束增量包含附加硬边界过滤参数以引导所述最优回滚路径触发数据过滤操作；当所述原因类别标签为来源不符标签时，所述约束增量包含针对权威性权重系数的向量空间偏置调节参数。

42、作为上述技术方案的进一步描述：

43、所述有向无环图状态机包含状态图节点与状态图连接边，所述结合所述阻尼参数与所述约束增量在所述有向无环图状态机中执行寻路计算以输出最优回滚路径的步骤，包括：

44、依据所述状态图节点的预估运算负荷提取对应于系统运算操作的系统算力开销数值，并配置包括第一成本平衡因子、第二成本平衡因子以及惩罚系数的成本平衡因子向量；

45、将所述系统算力开销数值与所述第一成本平衡因子相乘得到第一计算代价值，将以自然常数为底数且以所述阻尼参数的相反数为指数的指数衰减项与所述第二成本平衡因子相乘得到第二计算代价值，将由所述约束增量转化而来的附加惩罚项与所述惩罚系数相乘得到第三计算代价值；

46、将所述第一计算代价值、所述第二计算代价值与所述第三计算代价值相加求和，计算得出寻路代价值；

47、结合所述约束增量与预设的优化目标求解条件，在所述有向无环图状态机内部执行节点遍历寻路操作，依据融合所述附加惩罚项后的所述寻路代价值提取代价值最小的流转路径，生成包含切入计算节点标识的所述最优回滚路径。

48、作为上述技术方案的进一步描述：

49、所述提取算法残差并转化为负向约束边的步骤，包括：

50、调用预先配置的文本嵌入模型对所述约束冲突偏离数据进行特征编码与维度插值截断操作以生成偏离特征向量；

51、采用图注意力网络模型或随机游走算法提取所述初始最优解对应的状态机节点序列特征，并通过池化层聚合为一维特征向量；

52、对所述一维特征向量以及所述偏离特征向量进行概率归一化处理，并采用交叉熵损失函数计算概率分布偏离程度以输出所述算法残差；

53、配置反向惩罚映射规则，提取产生所述拒绝指令的数据使用方节点标识作为拓扑连接起点，提取被拒绝的目录元数据对应的数据提供方节点标识作为拓扑连接终点，在所述拓扑连接起点与所述拓扑连接终点之间构建连接边作为所述负向约束边，并将所述算法残差经过数值归一化处理后作为该负向约束边的负向权重参数。

54、作为上述技术方案的进一步描述：

55、一种电子设备，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于区块链与智能体的链上目录检索及供需匹配方法。

56、本发明具有如下有益效果：

57、1.本发明通过语义强化与索引模块调用大语言模型根据目录元数据进行逻辑推断以生成语义增强元数据，调用文本嵌入模型对语义增强元数据执行向量化映射处理，得到目录语义向量。同时，对自然语言检索请求进行文本清洗操作以生成清洗后检索文本，并调用文本嵌入模型将所述清洗后检索文本转化为需求语义特征向量。这种处理方式将目录信息和用户需求统一映射到高维语义空间中，解决了数据提供方与使用方在文本表述上的差异问题，提高了检索结果的准确率。

58、2.本发明通过动态拓扑计算与层次检索模块根据共享审批日志记录的节点调用关系构建有向二分图，依据有向二分图计算粗筛候选集内部对应数据节点的动态权威性得分，并融合相似度数值与动态权威性得分进行二次排序，输出精排候选目录列表。该机制将供需双方的历史调用频次与评价数据等客观指标量化为特征得分，使得目录排序不再单一依赖文本相似度，有效提升了供需匹配结果在实际业务场景中的可靠性。

59、3.本发明在接收数据使用方节点发送的拒绝指令后，将拒绝指令转化为约束增量，结合阻尼参数与约束增量在有向无环图状态机中执行寻路计算，输出最优回滚路径。随后系统提取初始最优解与约束冲突偏离数据之间映射比对产生的算法残差，将算法残差转化为具有数值权重的负向约束边，并将负向约束边增补写入有向二分图中。该机制使得系统在遭遇需求不匹配时能够自动寻找代价最小的计算节点重新运算，并通过记录负向权重调整后续检索的网络拓扑环境，实现了匹配算法的自主纠错与迭代优化。