大模型驱动下基于企业画像的专利交易个性化推荐研究

作     者：张志豪 刘思航 马天骥 安嘉骏 何喜军 Zhang Zhihao;Liu Sihang;Ma Tianji;An Jiajun;He Xijun

作者机构：北京工业大学经济与管理学院北京100124 

出 版 物：《情报理论与实践》 (Information Studies:Theory & Application)

年 卷 期：2025年第48卷第5期

页      面：177-186页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 120502[管理学-情报学] 

基　　金：国家自然科学青年基金项目“大模型赋能的高价值专利个性化交易推荐方法与应用研究”(项目编号:72404020) 国家资助博士后研究人员计划(C档)项目“大模型驱动下基于专利供需知识图谱的交易推荐研究”(项目编号:GZC20230184)的成果 

主　　题：大语言模型 专利交易推荐 企业画像 个性化推荐 

摘      要：[目的/意义]促进海量技术供需精准匹配,推动创新成果向现实生产力转化具有重要研究价值。[方法/过程]文章提出一种大模型驱动下基于企业画像的专利交易个性化推荐方法。基于企业历史交易专利信息,利用大模型对企业长短期的细粒度需求偏好特征进行挖掘和分析;融合需求偏好特征与企业基本信息,构建企业画像;提出一种基于两阶段匹配的专利交易推荐方法,借助大模型思维链,将企业画像与数据库中专利信息进行分阶段多维度语义信息匹配,实现专利交易个性化推荐,并提供推荐理由。[结果/结论]实验结果显示,精准率、召回率与F1值分别为0.835、0.839、0.836,均显著优于传统基线模型。借助大模型丰富的知识和专家级推理能力可以精准构建企业画像,在保证推荐性能的基础上实现推荐结果的可解释。[局限]企业画像构建主要依赖企业历史交易信息,考虑到企业专利交易低频性,冷启动推荐问题有待进一步解决。