买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海熵智信息科技有限公司申请的专利一种多层语义理解大模型智能体构造及应用方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119089931B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411112965.X，技术领域涉及：G06N3/006；该发明授权一种多层语义理解大模型智能体构造及应用方法是由付贤君;王杭;饶强设计研发完成，并于2024-08-14向国家知识产权局提交的专利申请。

本一种多层语义理解大模型智能体构造及应用方法在说明书摘要公布了：本发明公开了一种多层语义理解大模型智能体构造及应用方法，包括如下步骤：S1、对输入数据进行预处理；S2、使用大语言模型和对话历史对预处理后的数据进行分析，识别用户意图并提取深层语义特征；S3、从意图识别的数据中提取关键信息，进行结构化表示，并通过动态超参数优化调整模型配置；S4、查询知识图谱，将提取的关键信息与现有数据进行关联和组织，生成结构化知识表示；S5、将结构化知识表示向量化，并存储于向量数据库中，以支持快速相似性搜索；S6、结合生成的统一语义表示和大模型，对用户输入进行深度分析，生成连贯且有逻辑的个性化回答，并返回给用户。本发明能够支持智能问答、内容生成、情感分析和多模态搜索等多种应用场景。

本发明授权一种多层语义理解大模型智能体构造及应用方法在权利要求书中公布了：1.一种多层语义理解大模型智能体构造及应用方法，其特征在于，包括如下步骤： S1、对输入数据进行预处理，适应后续的语义理解过程，预处理包括数据清洗与标注、多模态数据对齐与融合、数据增强与扩展； S2、使用语义理解智能体对预处理后的数据进行分析，通过大语言模型和对话历史，识别用户的意图和需求，并使用混合神经符号推理网络提取深层语义特征； S3、从识别出的意图数据和提取的深层语义特征中提取关键信息，采用信息抽取技术识别出数据中的实体、关系和事件，形成结构化数据，通过基于进化策略的动态超参数优化，调整模型超参数配置以适应不同数据分布和任务需求，生成优化模型参数； S4、根据提取的关键信息和优化模型参数，查询知识图谱，将信息进行关联和组织，生成结构化的知识表示； S5、将生成的结构化知识表示向量化，存储于向量数据库，通过统一注意力机制加权融合不同模态特征，生成统一的语义表示； S6、结合生成的统一语义表示和大模型，对用户输入进行深度分析，基于上下文信息和对话历史生成相关回答，应用自适应上下文生成算法提供连贯且有逻辑的输出，并将结果返回给用户； 所述S4具体包括： S41、根据提取的关键信息和优化后的模型参数，查询知识图谱，从中获取与关键信息相关的数据； S42、将新提取的关键信息与从知识图谱中获取的信息进行关联和组织，生成初步的结构化知识表示； S43、利用语义相似度计算和图匹配算法，找到初步结构化知识表示与现有知识图谱中的节点和关系之间的关联点： 其中，Simx,y表示两个实体x和y之间的语义相似度，αi表示第i个特征的权重，表示第i个特征向量的余弦相似度； S44、在找到的关联点基础上进行信息的语义融合，统一不同来源的信息表示，语义融合的过程中，使用多层感知机MLP进行非线性变换： 其中，vfused表示融合后的语义向量，βi表示第i个信息来源的权重，vi表示第i个信息来源的语义向量； S45、采用本体匹配和语义解析技术，解决异构数据的语义差异： 其中，MatchO1,O2表示本体O1和本体O2之间的匹配度，C表示本体中的概念集合，simontologyc1,c2表示概念c1和c2之间的相似度，depthc表示概念c在本体树中的深度，用于权重调整； S46、将新提取的信息与解析和匹配后的现有知识图谱中的节点和关系进行关联，形成统一的结构化知识表示，并将生成的统一结构化知识表示作为最终的结构化知识表示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海熵智信息科技有限公司，其通讯地址为：200335 上海市长宁区金钟路658弄10号3层318室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。