買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國人民解放軍國防科技大學(xué)申請的專利基于大模型與知識圖譜的融合推理方法、裝置、設(shè)備和介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120429446B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510927884.3，技術(shù)領(lǐng)域涉及：G06F16/36；該發(fā)明授權(quán)基于大模型與知識圖譜的融合推理方法、裝置、設(shè)備和介質(zhì)是由陳夢樵;李磊;邢臣旭;羅旭;張士剛;楊擁民;方永軒設(shè)計研發(fā)完成，并于2025-07-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于大模型與知識圖譜的融合推理方法、裝置、設(shè)備和介質(zhì)在說明書摘要公布了：本申請涉及一種基于大模型與知識圖譜的融合推理方法、裝置、設(shè)備和介質(zhì)。所述方法包括：利用大模型對用戶輸入的問題依次進行意圖理解、問題分類與改寫以及模糊信息抽取，輸出問題答案以及問題中的模糊信息；獲取專業(yè)領(lǐng)域的知識圖譜，并采用向量化模型將知識圖譜中包含的實體類型和節(jié)點名稱構(gòu)建為實體節(jié)點信息向量庫；基于實體節(jié)點信息向量庫對模糊信息進行精準(zhǔn)信息匹配，獲取問題中的精準(zhǔn)實體類型與精準(zhǔn)節(jié)點名稱；在知識圖譜中對精準(zhǔn)實體類型與精準(zhǔn)節(jié)點名稱進行知識檢索，得到問題相關(guān)實體節(jié)點信息并與大模型輸出的問題答案拼接后重新輸入大模型進行信息整合，輸出問題的最終答案。本方法能夠提高專業(yè)領(lǐng)域問答的準(zhǔn)確性和可靠性。

本發(fā)明授權(quán)基于大模型與知識圖譜的融合推理方法、裝置、設(shè)備和介質(zhì)在權(quán)利要求書中公布了：1.一種基于大模型與知識圖譜的融合推理方法，其特征在于，所述方法包括： 利用大模型對用戶輸入的問題依次進行意圖理解、問題分類與改寫以及模糊信息抽取，輸出問題答案以及問題中的模糊信息； 獲取專業(yè)領(lǐng)域的知識圖譜，并采用向量化模型將所述知識圖譜中包含的實體類型和節(jié)點名稱構(gòu)建為實體節(jié)點信息向量庫； 基于所述實體節(jié)點信息向量庫對大模型抽取出的模糊信息進行精準(zhǔn)信息匹配，獲取問題中的精準(zhǔn)實體類型與精準(zhǔn)節(jié)點名稱； 在知識圖譜中對所述精準(zhǔn)實體類型與精準(zhǔn)節(jié)點名稱進行知識檢索，得到問題相關(guān)實體節(jié)點信息； 將所述問題相關(guān)實體節(jié)點信息與大模型輸出的問題答案重新輸入大模型進行信息整合，輸出問題的最終答案； 其中，利用大模型對用戶輸入的問題依次進行意圖理解、問題分類與改寫以及模糊信息抽取，輸出問題答案以及問題中的模糊信息，包括： 將經(jīng)過文本分詞處理后的用戶問題輸入大模型，大模型首先進行意圖理解，獲取問題答案和問題的文本向量序列； 然后，大模型通過對文本向量序列進行分類，將問題分類為顯式問題與隱式問題，表示為： ； 其中，表示經(jīng)過問題分類及文本向量化處理后得到的問題編碼向量，表示顯式問題，表示隱式問題，表示利用大模型對文本向量序列進行分類； 對于隱式問題，大模型進一步通過進行意圖識別，將隱式問題拆分為單個或多個蘊含實體關(guān)系信息的顯式問題； 最后，利用大模型對分類及改寫得到的所有顯式問題進行模糊信息抽取，輸出用戶輸入的問題中存在的模糊信息集合，表示為： ； 其中，所述模糊信息集合包括模糊實體與模糊關(guān)系。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國人民解放軍國防科技大學(xué)，其通訊地址為：410073 湖南省長沙市開福區(qū)德雅路109號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。