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！

龙图腾网获悉大连理工大学申请的专利一种基于强化学习的问题约束和焦点实体转移的知识图谱对话式问答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：CN116414956B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310096306.0，技术领域涉及：G06F16/3329；该发明授权一种基于强化学习的问题约束和焦点实体转移的知识图谱对话式问答方法是由徐喜荣;徐涛;朱理;李昊宸设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本一种基于强化学习的问题约束和焦点实体转移的知识图谱对话式问答方法在说明书摘要公布了：一种基于强化学习的问题约束和焦点实体转移的知识图谱对话式问答方法，属于问答系统技术领域。通过动态地维护一个上下文实体集来捕捉对话进行中所有可能涉及的焦点实体，解决对话过程中的焦点实体转移问题；使用BERT预训练模型来获取对话上下文的语义信息，解决对话过程中的后续问题的语义缺失问题；模型结合了问题轮次、实体轮次和各种约束信息，并使用强化学习的方式实现对模型在1跳路径和2跳约束路径上的训练。

本发明授权一种基于强化学习的问题约束和焦点实体转移的知识图谱对话式问答方法在权利要求书中公布了：1.一种基于强化学习的问题约束和焦点实体转移的知识图谱对话式问答方法，其特征在于通过动态地维护一个上下文实体集来捕捉对话进行中所有可能涉及的焦点实体，解决对话过程中的焦点实体转移问题；使用BERT预训练模型来获取对话上下文的语义信息，解决对话过程中的后续问题的语义缺失问题；模型结合了问题轮次、实体轮次和各种约束信息，并使用强化学习的方式实现对模型在1跳路径和2跳约束路径上的训练；具体步骤如下： 步骤一：数据准备与预处理 步骤二：初始化上下文实体集 步骤三：实现对话式问答模型的构建 3-1语义信息的提取：首先通过BERT预训练模型分别获取当前问题的嵌入向量qt和对话历史问题的嵌入向量qt-1，若当前问题为首轮问题，则将对话历史问题设为空字符串； 接着将qt和qt-1拼接后输入全连接层1、通过ReLU激活后再输入全连接层2，最终输出上下文问题向量表示Conq： Conq＝W2×ReLUW1×[qt-1；qt] 其中，W1和W2表示两个全连接层，ReLU表示激活函数； 然后从知识图谱中获取以上下文实体集中的实体为出发点的所有知识图谱1跳路径，使用BERT预训练模型获取所有路径的嵌入向量表示，构成强化学习动作空间As； 3-2综合语义信息与问题中包含的各种信息，获取知识图谱的路径概率实现推理：首先将上下文问题向量表示Conq与动作空间As做内积，从而获取问题与路径的相似度评价向量；将相似度评价向量、时间约束、最高级约束、当前问题轮次、实体发现轮次这5个维度向量输入到一个全连接网络： Z＝[As×Conq,time,max,qturn,eturnei] 其中，Conq为上下文问题向量表示，As为路径动作空间，time和max表示问题中是否存在时间约束与最高级约束，qturn表示当前问题所在问题轮次，eturnei表示当前路径出发实体ei的实体轮次； 最终通过softmax函数获得各个路径的选择概率，选择概率最大的知识图谱1跳路径获得的实体即为候选答案实体，1跳路径概率分布PAs的定义如下： PAs＝σW3×Z 其中，W3是全连接网络，σ表示softmax操作，根据1跳路径输出概率分布，从中取概率最大的路径即可获得候选答案实体； 当1跳路径获得的候选答案大于1个时，将触发对2跳约束路径的训练；2跳路径的输入与1跳路径不同点在于对于路径信息，将输入以候选答案出发的路径；2跳路径的输出概率分布PAs2的定义如下： PAs2＝σW3×Z2 Z2＝[As2×Conq,time,max,qturn,eturnej] 其中，As2表示2跳路径所构成的动作空间；ej为1跳路径的起始实体； 步骤四：基于强化学习进行模型训练 步骤五：通过训练好的模型从知识图谱获取答案。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；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”。