本发明专利技术公开了一种基于AI大语言模型的专家与项目匹配方法，包括如下步骤：S1）数据预处理：对项目和专家的信息进行数据清洗、去噪、分词和标注处理；S2）文本表示与特征提取：利用AI大语言模型对项目和专家的文本信息进行向量化表示，并提取关键特征；S3）使用多个向量模型计算项目和专家之间的相似度情况，取不一致数据的合集进行rerank重排序，如果不符合预期，则进行业务相似度雷达图的多维计算，通过加权方式推荐最匹配的专家进行项目评审；S4）结果优化与反馈：根据用户反馈和模型自我学习，通过迭代训练和调整参数，不断优化匹配算法和结果。本发明专利技术能够提高匹配的准确性和效率，确保推荐最匹配的专家进行项目评审。
【技术实现步骤摘要】
：智慧城市服务支撑技术行业领域：乡村规划与建设研究方向:国土空间规划,规划实施研究成果:人工智能驱动的规划管理办法评审经验：计算机系统规划设计相关项目评审超过16次提取待评审项目在的特征为“计算机相关”。使用baai/bge-large-zh-v1.5模型来计算出两个专家对应项目的相关性，首先，将第7号专家和第1号专家在6个领域的特征值通过模型向量化，获得一个向量矩阵embeddings_1，然后将“计算机相关”向量化得到另外一个向量矩阵embeddings_2，采用similarity＝embeddings_1@embeddings_2.t来计算相似度。embeddings_1的形状为(m＝12,d＝1024)，其中m是第一个集合中数据点的数量，d是嵌入向量的维度。embeddings_2的形状为(n＝1,d＝1024)，其中n是第二个集合中数据点的数量，d同样表示嵌入向量的维度。embeddings_2.t是embeddings_2的转置矩阵，其形状变为(d＝1024,n＝1)。当执行embeddings_1@embeddings_2.t时，这实际上是在进行矩阵乘法。在pyt本文档来自技高网...
【技术保护点】
1.一种基于AI大语言模型的专家与项目匹配方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于AI大语言模型的专家与项目匹配方法，其特征在于，所述步骤S1中数据清洗包括：
3.如权利要求1所述的基于AI大语言模型的专家与项目匹配方法，其特征在于，所述步骤S1中数据去噪包括：移除文本中的HTML标签、特殊字符和无关标点符号，并去除停用词。
4.如权利要求1所述的基于AI大语言模型的专家与项目匹配方法，其特征在于，所述步骤S1根据中文分词工具对项目描述和专家简介进行分词处理，并对专家研究领域和项目技术关键词进行标注。
>5.如权利要求1所...
【技术特征摘要】
1.一种基于ai大语言模型的专家与项目匹配方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于ai大语言模型的专家与项目匹配方法，其特征在于，所述步骤s1中数据清洗包括：
3.如权利要求1所述的基于ai大语言模型的专家与项目匹配方法，其特征在于，所述步骤s1中数据去噪包括：移除文本中的html标签、特殊字符和无关标点符号，并去除停用词。
4.如权利要求1所述的基于ai大语言模型的专家与项目匹配方法，其特征在于，所述步骤s1根据中文分词工具对项目描述和专家简介进行分词处理，并对专家研究领域和项目技术关键词进行标注。
5.如权利要求1所述的基于ai大语言模型的专家与项目匹配方法，其特征在于，所述步骤s2中的关键特征包括项目和专家的技术领域、行业领域、科学领域，以及专家的研究方向、研究成果、评审经验。
6.如权利要求1所述的基于ai大语言模型的专家与项目匹配方法，其特征在于，所述步骤s3使用n个文本嵌入大模型作为向量模型计算相似度,当n个向量模型计算的相似度结果不一致时，取合集，并利用rerank模型对所取合集进行相关度排序；计算公式如下：
7.如权利要求6所述的基于ai大语言模型的专家与项目匹配方法，其特征在于，n的取值为2，所述步骤s3使用的向量模型为openai的text-ebedding-ada...
【专利技术属性】
技术研发人员：刘氢，朱俊伟，叶有灿，李伟诚，钱枫，
申请(专利权)人：上海市大数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。