科技资源检索是科技资源服务的重要手段,是决定科技资源是否能被切实、有效利用的关键环节。但科技资源在检索过程中往往存在检索精度低,人工投入大,结果不理想等问题。现有对科技资源的检索方式主要是通过用户输入查询关键词,得到一系列相关结果,再由人工筛选判断后找到合适的检索结果,使得检索结果冗余、不准确,且耗时耗力。现有方法的主要问题是缺乏对实际需求的匹配和对科技文本资源语义的理解。由于科技资源不同于日常普通的生活和生产资源,具有显著的专业性、知识性和复杂性,关键词检索法无法对其特性进行理解,结果也就难以满足科技资源服务的需求。因此,理解科技文本资源语义,并匹配科技资源服务的实际需求是科技资源检索的迫切需求和主要任务。为此,本文以国家重点研发计划课题“支持开放生态化的企业级云ERP平台研制与应用示范”（课题编号:2019YFB1704104）及“分布式资源巨系统及资源协同理论”（课题编号:2017YFB1400301）为研究背景,围绕课题打造科技服务业资源体系与资源分享模式目标,以支撑跨行业分布式科技资源搜索、分析、匹配、评价和优化等任务,以课题任务要求的万方科技服务平台和宁波市科技信息研究院公共服务平台中的非结构化科技文本资源为数据支撑,为解决科技文本资源检索过程中的需求匹配与语义理解问题,重点研究支持科技文本资源挖掘应用的科技资源检索方法,提出一种基于机器阅读理解的科技资源检索方案。主要研究内容如下:（1）针对现有科技资源检索存在返回结果冗余、不精确等问题,在对科技文本资源特点以及检索方法问题分析的基础上,研究并提出基于机器阅读理解的科技文本检索总体技术实现方案,该方案由文本匹配模型和机器阅读理解模型两大部分组成,分别针对科技文本匹配及文本理解需求两方面开展研究。（2）针对科技文本数据源存在噪音大、专业词汇多等特点,以及中文文本存在停用词等问题,完成科技文本预处理,具体主要包括去除文本噪声、分词、去停用词、训练词向量等,为后序科技文本检索工作提供数据保证和形式化支持。（3）针对检索过程中科技文本匹配准确率低的问题,提出基于n-gram的TF-IDF文本匹配方法。该方法通过对n-gram算法的引入,不仅能获取科技文本词的词频TF和逆文本频率IDF,还能充分考虑词序问题,提高了相关文本匹配的准确率。本文通过在中文和英文两类数据集的实验,验证了该算法的有效性。（4）针对现有检索模型不具备理解能力的问题,提出机器阅读理解算法,此算法在输入查询后,分别经过模型内部编码模块、匹配模块及预测模块获取相应文本查询结果作为输出。编码模块作用是提取问题和文本特征,匹配模块作用是加强查询词与文本交互,预测模块作用是获取查询结果。本文在中文和英文数据集上进行实验,验证了本文提出的机器阅读理解算法有效性。（5）针对检索模型不具备多文档推理能力的问题,提出基于分层注意力指针网络的推理方法。该方法应用于机器阅读理解模型的推理模块中,此方法采用分层注意力机制分别对词级别和句子级别进行注意力匹配,采用指针网络进行句子推理。本文在中文和英文数据集上进行了模型的多个对比实验,验证了该方法的有效性。