LLM驱动语义关联扩展与结构补全的专利推荐方法及系统

本发明公开了一种LLM驱动语义关联扩展与结构补全的专利推荐方法及系统，方法包括S100:基于LLM对离散的专利属性文本进行概念归纳和补全，以生成专利或企业的背景上下文信息；S200:基于大语言模型生成的上下文语义，计算专利之间以及企业之间的背景上下文相关性，依据相关性排序选取Top‑k个最相关的专利或企业，构建同领域背景边关系，补全专利‑专利与企业‑企业的相关性边，获得异构网络结构；S300:基于图卷积模型对所述异构网络结构执行特征传播与聚合，聚合高阶异构邻居特性，优化所述异构网络结构中的推荐关系，预测专利推荐行为的发生概率。本发明提出的方法准确率提升了8.28％，精确率提升了1.73％、召回率提升了12.31％，F1分数提升了6.23％。