一种基于大数据的科技成果智能匹配方法与流程

摘要: 本发明涉及大数据与人工智能,具体为一种基于大数据的科技成果智能匹配方法。背景技术:1、科技成果转化是指高校、科研院所等主体产生的专利、论文等科技成果,通过许可、...
一种基于大数据的科技成果智能匹配方法与流程

本发明涉及大数据与人工智能,具体为一种基于大数据的科技成果智能匹配方法。

背景技术:

1、科技成果转化是指高校、科研院所等主体产生的专利、论文等科技成果,通过许可、转让、作价投资等方式向企业转移并实现应用的过程,其中通常需要将科技成果的技术描述与企业的技术需求描述进行语义匹配,以发现供需对接机会,该过程高度依赖基于大数据的智能匹配技术,该匹配过程涉及的公知技术主要包括自然语言处理中的命名实体识别与关系抽取技术、知识图谱构建与嵌入技术、文本向量化技术以及图神经网络技术,用于从非结构化文本中抽取实体关系并进行低维向量表示;

2、与本发明最接近的现有技术为基于深度语义向量相似度的科技成果匹配系统,其实现方式为:分别采集科技成果文本与企业技术需求文本,输入预训练语言模型编码得到语义向量,计算向量间的余弦相似度作为匹配得分,按得分对候选科技成果降序排序后输出匹配推荐列表,其系统结构由文本采集模块、语义编码模块、相似度计算模块和排序输出模块顺序连接构成,属于单一路径匹配架构,

3、上述现有技术存在以下不足:

4、其一,采用通用预训练语言模型对学术文本与产业文本进行统一编码,未考虑二者术语体系与表达范式的结构性差异,导致匹配结果出现误匹配与漏匹配;

5、其二,相似度计算仅基于文本表层语义特征,未评估科技成果的工程化状态,导致出现表面得分较高而实际难以落地的无效匹配;

6、其三,仅输出不可拆解的匹配得分,未揭示得分背后的推理依据,属于黑箱模型,难以获得技术经理人与企业决策者的信任。

技术实现思路

1、本发明要解决的技术问题是:现有基于大数据的科技成果与技术需求匹配方法普遍存在语义鸿沟难以跨越、工程化可行性缺乏评估、匹配结果不可解释三重缺陷,导致科技成果与产业需求的匹配准确率低、可落地性差、供需双方信任度低,进而制约了科技成果转化效率。本发明旨在提供一种能够动态对齐学术语言与产业语言语义、融合技术成熟度与制造成熟度进行工程化可行性评估、并输出可解释匹配路径的科技成果智能匹配方法。

2、为解决上述技术问题,本发明提供一种基于大数据的科技成果智能匹配方法,包括:获取科技成果文本和技术需求文本;

3、根据所述科技成果文本构建学术语言子图,根据所述技术需求文本构建产业语言子图,对所述学术语言子图与所述产业语言子图中的节点嵌入进行跨模态对比学习训练,得到统一语义嵌入空间,从而实现学术语言与产业语言在语义层面的动态对齐;

4、根据所述科技成果文本获取科技成果节点对应的技术成熟度等级和制造成熟度等级并构成成熟度向量,获取技术需求节点对应的技术成熟度等级阈值和制造成熟度等级阈值;

5、根据所述统一语义嵌入空间输出的节点嵌入和所述成熟度向量,构建包含科技成果节点和技术需求节点的异构图,对所述异构图进行图神经网络传播得到节点隐层表示,根据所述节点隐层表示计算科技成果节点与技术需求节点之间的相似度,并根据所述成熟度向量与所述技术成熟度等级阈值、所述制造成熟度等级阈值之间的差值构造工程化可行性缺口,将所述相似度和所述工程化可行性缺口进行加权组合得到匹配得分;

6、根据所述匹配得分确定候选匹配对,针对所述候选匹配对构建包括技术原理节点、应用场景节点和工程化缺口节点的局部因果图,对所述局部因果图中的候选因果边进行干预式因果强度估计,保留因果强度超过预设阈值的候选因果边得到决策推理子图;

7、根据所述决策推理子图生成匹配评估报告并输出。

8、其中,技术成熟度等级(technology readiness level)用于表征科技成果从基础研究到实际应用所处发展阶段的量化水平;

9、制造成熟度等级(manufacturing readiness level)用于表征科技成果从实验室工艺到规模化、稳定化生产所具备的工程化制造条件的量化水平。

10、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:

11、1.本发明通过分别构建学术语言子图与产业语言子图,并引入跨模态对比学习模型对二者节点嵌入进行动态语义对齐,使语义相关的跨语域实体在统一语义嵌入空间中的距离缩小、语义无关的实体距离增大,从根源上跨越了学术语言体系与产业语言体系之间的语义鸿沟,显著提升了匹配结果的语义准确率,减少了误匹配与漏匹配的发生。

12、2.本发明通过从科技成果文本对应的专利文本、论文文本、第三方检测报告文本中抽取工程化特征字段并推演出技术成熟度等级与制造成熟度等级,进而构造工程化可行性缺口并将其作为惩罚项引入图神经网络的匹配得分计算过程,使匹配结果不仅体现语义层面的相关性,还体现工程化层面的可落地性,从而提升了科技成果转化的实际成功率。

13、3.本发明通过引入因果推理图网络机制,对候选匹配对构建局部因果图并进行干预式因果强度估计与剪枝,生成包含技术原理节点、应用场景节点、工程化缺口节点的可视化决策推理子图,揭示了匹配得分背后的可追溯逻辑链,解决了深度学习匹配算法的黑箱问题,提升了匹配结果的可解释性,降低了供需双方的信任壁垒,直接赋能技术尽调工作。

1.一种基于大数据的科技成果智能匹配方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,根据所述科技成果文本构建学术语言子图的方式为:对所述科技成果文本进行命名实体识别与关系抽取,得到理论实体、机理实体和实验参数实体,根据所述理论实体、所述机理实体和所述实验参数实体构建所述学术语言子图;

3.根据权利要求1所述的方法,其特征在于,所述跨模态对比学习训练包括:针对所述学术语言子图中的学术实体节点,采样与该学术实体节点语义对齐的正样本产业实体节点和多个负样本产业实体节点;

4.根据权利要求1所述的方法,其特征在于,还包括:持续接收新增术语数据,通过增量学习方式对所述跨模态对比学习训练得到的对齐模型进行微调,更新所述统一语义嵌入空间。

5.根据权利要求1所述的方法,其特征在于,获取科技成果节点对应的技术成熟度等级和制造成熟度等级的方式为:

6.根据权利要求1所述的方法,其特征在于,构造工程化可行性缺口的方式为:

7.根据权利要求1所述的方法,其特征在于,将所述相似度和所述工程化可行性缺口进行加权组合的方式为:

8.根据权利要求1所述的方法,其特征在于,所述局部因果图还包括分别与所述技术原理节点、所述应用场景节点和所述工程化缺口节点关联的证据节点,所述候选因果边按照预设的领域先验知识在各节点之间建立;

9.一种基于大数据的科技成果智能匹配系统,其特征在于,包括多源数据采集模块、双语域异构知识图谱构建模块、动态语义对齐模块、工程化特征抽取模块、图神经网络匹配模块、因果推理图网络可解释路径生成模块和匹配评估报告输出模块;

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的基于大数据的科技成果智能匹配方法。