计算机应用

作者：高飞, 陈董, 边帝行, 范文强, 刘起东, 吕培, 张朝阳, 徐明亮

单位：1.郑州大学 计算机与人工智能学院，郑州 450001；2.智能集群系统教育部工程研究中心（郑州大学），郑州 450001；3.国家超级计算郑州中心，郑州 450001；4.河南省大模型技术与新质软件工程研究中心（郑州大学），郑州 450001

关键词：大语言模型,科研词云,学科结构优化,科研信息,语义匹配

基金：国家自然科学基金资助项目(62325602);国家自然科学基金资助项目(62036010);国家自然科学基金资助项目(62276238);国家自然科学基金资助项目(U24A20326);河南省教育委员会基金资助项目(25HASTIT034);河南省自然科学基金资助项目(232300421095)

现有学科撤销后的科研人员重分配依赖人工决策，难以有效统筹学科关联。在此背景下，拥有强大知识分析能力的大语言模型（LLM）为基于学科撤销后的科研人员重分配优化提供了新思路，然而它们在以科研信息为代表的高校科研数据上面临着专业术语难理解和长尾分布明显等挑战。因此，提出一种面向学科撤销后科研人员重分配的多阶段耦合决策框架MCRF（Multistage Coupled Redeployment Framework）。MCRF包含召回、语义增强、配对和重排这4个阶段，能有效地将困难问题分解为多个相对简单的子问题。首先，构建学科科研词云关联数据集，缓解通用模型难以理解专用学术名词的问题；其次，设计关联召回算法，快速召回科研信息的Top-k关联学科，从而降低整体决策的时间开销；最后，引入隐式优化模块，生成多样化的科研信息表述，从而确保尾部学科科研信息能与科研人员研究方向全面关联，并通过细粒度科研项目排序模型实现精准语义匹配。实验结果表明，在多个数据集上，所提框架在召回阶段的召回率达到了92%，在重排阶段的准确率为96%，有效验证了MCRF在学科结构优化任务中的有效性。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期