基于大语言模型的专利文本推荐方法、系统、设备及介质技术方案

本发明专利技术公开了基于大语言模型的专利文本推荐方法、系统、设备及介质，其中方法包括：在预先构建的专利‑技术问题数据库中，为技术问题集合中的每一条技术问题进行语义搜索，得到相似度最高的N个专利；将N×(K+1)个专利作为候选专利数据集；候选专利数据集的每个候选专利均设有查询相似度；将目标技术问题，输入到大语言模型中，得到假设答案；将假设答案向量化处理，得到假设答案向量；计算每个候选专利的对比相似度；将每个候选专利的查询相似度与对比相似度进行求和，得到每个候选专利的总相似度；将每个候选专利的总相似度，按照从大到小的顺序进行排序，将排序靠前的若干个专利作为推荐结果输出。

【技术实现步骤摘要】

本专利技术涉及专利文本推荐，特别是涉及基于大语言模型的专利文本推荐方法、系统、设备及介质。

技术介绍

1、专利始终囊括了广泛领域的尖端知识。此外，这些知识是无价的，因为它可以通过提供有效地解决当前的工程挑战来自各个领域的创新解决方案。因此，推荐符合工程师需求的专利已成为一项重要任务。为了解决这个问题，传统的研究可分为研究基于关键词和基于内容的推荐方法。基于关键字的方法自动从专利中提取关键字术语，并根据专利搜索的语义相似性推荐它们。基于内容的专利推荐常利用各种机器学习和深度学习的模型。然而，考虑到专利文本的长度、句子的复杂性以及丰富的技术术语，基于关键字的研究方法不足以捕捉专利文本的细微语义，往往导致不匹配的建议。与上述方法相比，基于内容的深度学习研究方法利用了深度学习模型的强大功能。在专利推荐中，通过深度学习生成的词嵌入可以快速计算文本中的语义相关性，从而提高推荐的准确性和效率。

2、llm最近因其卓越的能力而受到广泛关注。然而，llm在专利推荐中的应用在很大程度上仍未得到探索。此外，一些研究将llm限制为生成嵌入的编码器的角色，未充分利用其生本文档来自技高网...

【技术保护点】

1.基于大语言模型的专利文本推荐方法，其特征是，包括：

2.如权利要求1所述的基于大语言模型的专利文本推荐方法，其特征是，获取目标技术问题，其中，所述目标技术问题有两种采集方式，第一种是用户直接提出的技术问题；第二种是用户给出感兴趣的专利申请号，根据专利申请号下载得到的专利文本，从所下载的专利文本中，通过大语言模型，提取专利文本的技术问题。

3.如权利要求1所述的基于大语言模型的专利文本推荐方法，其特征是，在预先构建的专利-技术问题数据库中，为技术问题集合中的每一条技术问题进行语义搜索，得到相似度最高的N个专利，包括：使用训练后的孪生ERNIE模型进行语义搜索；<...

【技术特征摘要】

1.基于大语言模型的专利文本推荐方法，其特征是，包括：

2.如权利要求1所述的基于大语言模型的专利文本推荐方法，其特征是，获取目标技术问题，其中，所述目标技术问题有两种采集方式，第一种是用户直接提出的技术问题；第二种是用户给出感兴趣的专利申请号，根据专利申请号下载得到的专利文本，从所下载的专利文本中，通过大语言模型，提取专利文本的技术问题。

3.如权利要求1所述的基于大语言模型的专利文本推荐方法，其特征是，在预先构建的专利-技术问题数据库中，为技术问题集合中的每一条技术问题进行语义搜索，得到相似度最高的n个专利，包括：使用训练后的孪生ernie模型进行语义搜索；

4.如权利要求1所述的基于大语言模型的专利文本推荐方法，其特征是，在预先构建的专利-技术问题数据库中，为技术问题集合中的每一条技术问题进行语义搜索，得到相似度最高的n个专利，包括：

5.如权利要求1所述的基于大语言模型的专利文本推荐方法，其特征是...

【专利技术属性】
技术研发人员：闫伟，马啸远，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：