一种基于大模型的科技成果供需匹配方法与系统

本发明涉及人工智能与数据处理，具体是一种基于大模型的科技成果供需匹配方法与系统。

背景技术：

1、随着科技成果转化体系的不断发展，科技成果与企业技术需求之间的高效对接已成为推动产业创新的重要环节。当前，企业在技术升级与产品研发过程中，往往需要快速获取与其需求相匹配的科技成果，而科研机构、高校等单位所产生的大量科技成果亦亟需实现产业化落地，因此构建高效、精准的供需匹配机制具有重要意义。

2、传统的科技成果供需匹配方法通常基于关键词检索、标签匹配或向量相似度计算等方式实现。已有方案通过对科技成果数据和企业需求数据进行结构化处理，并分别构建向量表示，在接收到用户查询请求后，利用向量检索与全文检索相结合的方式进行候选结果召回，并通过排序模型进行重排，以得到最终匹配结果。此外，也有技术通过大语言模型对用户输入进行意图识别与问题重构，生成解决方案并结合标签信息进行多路召回和重排序，从而提升供需匹配的准确性。

3、然而现有技术仍然存在如下不足：

4、语义理解能力不足：现有方法多依赖关键词匹配或浅层向量相似度计算，难以准确理解企业技术需求中隐含的复杂语义关系，尤其在面对跨领域、多技术要素交叉的需求时，容易出现匹配偏差。

5、跨场景语义表达存在差异：企业技术需求通常以应用场景和工程指标为导向进行描述，而科技成果则侧重于技术原理和创新点表达，两者在语义层面存在显著差异，导致匹配过程中容易产生语义错位，影响匹配结果的准确性。

6、缺乏知识增强与扩展能力：现有方案大多直接基于原始文本或简单结构化信息进行匹配，缺乏对技术领域知识、产业链关系及技术关联信息的深入挖掘，难以实现更高层次的语义关联与推理。

7、因此，亟需提供一种基于大模型的科技成果供需匹配方法和系统，以提升对企业技术需求的语义理解能力，实现科技成果与企业需求之间的深层语义对齐，提高匹配的准确性与可靠性。

技术实现思路

1、本发明提供了一种基于大模型的科技成果供需匹配方法与系统，以解决现有技术存在的科技成果供需匹配结果准确性差的问题。

2、为了达到上述目的，本发明所采用的技术方案为：

3、一种基于大模型的科技成果供需匹配方法，过程如下：

4、获取科技成果结构化信息和企业技术需求结构化信息，将科技成果结构化信息编码为科技成果初始语义表征数据向量，将企业技术需求结构化信息编码为企业技术需求初始语义表征数据向量；

5、采用大语言模型分别对科技成果结构化信息、企业技术需求结构化信息进行语义扩展，对应得到科技成果扩展语义信息、企业技术需求扩展语义信息，并将科技成果扩展语义信息和企业技术需求扩展语义信息分别编码为扩展语义向量后，再分别与对应的初始语义表征数据向量进行融合，得到科技成果融合表征向量和企业技术需求融合表征向量；

6、通过大语言模型对用户输入的科技成果匹配请求进行关键信息提取，并结合企业需求库中的历史企业技术需求融合表征向量对用户匹配请求进行语义增强与需求重构，生成标准化检索请求；

7、基于标准化检索请求，对科技成果库中的科技成果融合表征向量执行多路召回，并对召回结果进行合并和去重处理，得到候选科技成果融合表征向量集合；

8、计算每一个候选科技成果融合表征向量与标准化检索请求之间的综合匹配评分，并根据综合匹配评分对候选科技成果融合表征向量进行降序排序；

9、对降序排序的各个候选科技成果融合表征向量进行筛选，得到若干候选科技成果融合表征向量作为最终匹配结果。

10、进一步的，采集科技成果原始文本数据，从科技成果原始文本数据中提取成果标题信息、摘要信息、技术领域信息、关键技术信息、应用方向信息、成果来源信息、产出时间信息以及成熟度信息，由此得到科技成果结构化信息；

11、采集企业技术需求原始文本数据，从企业技术需求原始文本数据中提取企业名称信息、需求标题信息、需求描述信息、应用场景信息、技术目标信息、性能指标信息、约束条件信息以及需求提出时间信息，由此得到企业需求结构化信息。

12、进一步的，将科技成果结构化信息输入至大语言模型，并基于科技成果对应的提示模板生成对应的科技成果扩展语义信息，所述科技成果扩展语义信息包括：技术实现路径信息、可应用行业信息、潜在应用场景信息、关键技术难点信息以及上下游关联技术信息；

13、将企业技术需求结构化信息输入至大语言模型，并基于企业技术需求对应的提示模板生成对应的企业技术需求扩展语义信息，所述企业技术需求扩展语义信息包括：技术问题拆解信息、可行技术路线信息、潜在替代技术方案信息、关联应用场景信息以及约束条件分析信息。

14、进一步的，将科技成果初始语义表征数据向量、企业技术需求初始语义表征数据向量，分别与各自对应的扩展语义向量按各自对应的预设权重进行融合，对应得到科技成果融合表征向量、企业技术需求融合表征向量。

15、进一步的，通过大语言模型对用户输入的科技成果匹配请求进行关键信息提取，所述关键信息包括技术主题、应用场景、核心目标以及约束条件。

16、进一步的，所述多路召回包括为向量语义召回和全文检索召回。

17、进一步的，所述综合匹配评分包括文本语义匹配度与标签语义匹配度。

18、进一步的，设置得分阈值对降序排序的各个候选科技成果融合表征向量进行筛选，得到最终得分大于或等于得分阈值的多个候选科技成果融合表征向量作为最终匹配结果。

19、一种实现上述基于大模型的科技成果供需匹配方法的系统，包括：

20、数据处理模块，用于对科技成果原始数据和企业技术需求原始数据进行采集、清洗、解析和结构化处理，并生成对应的结构化信息和初始语义表征数据；

21、语义扩展模块，用于调用大语言模型对科技成果结构化信息和企业需求结构化信息进行语义扩展，并形成科技成果融合表征和企业技术需求融合表征；

22、请求解析模块，用于对用户输入的科技成果匹配请求进行关键信息提取，并结合企业需求库中的历史企业技术需求融合表征向量进行语义增强与需求重构，生成标准化检索请求；

23、多路召回模块，用于基于标准化检索请求对科技成果库中的科技成果融合表征向量执行多路召回，并生成候选科技成果融合表征向量集合；

24、匹配计算模块，用于计算候选科技成果融合表征向量与标准化检索请求之间的综合匹配评分，并根据综合匹配评分对候选科技成果融合表征向量进行排序；

25、结果输出模块，用于对排序后的候选科技成果融合表征向量进行阈值筛选，并将最终匹配结果输出至用户终端。

26、与现有技术相比，本发明的优点为：

27、本发明基于大模型的科技成果供需匹配方法与系统，通过对科技成果数据和企业技术需求数据进行语义扩展与融合表征建模，并结合历史企业需求增强、多路召回以及综合匹配评分机制，实现了对企业技术需求的深层语义理解与科技成果的精准匹配。相较于传统方法，本发明支持自然语言形式的需求表达，能够提高科技成果供需匹配的准确性与匹配效率，从而提升科技成果转化过程中的智能化水平。