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！

龙图腾网获悉北京赋乐科技有限公司申请的专利基于多智能体协同的刑侦知识图谱构建方法、系统及设备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：CN119476442B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411552659.8，技术领域涉及：G06N5/022；该发明授权基于多智能体协同的刑侦知识图谱构建方法、系统及设备是由曾挚;王翔设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本基于多智能体协同的刑侦知识图谱构建方法、系统及设备在说明书摘要公布了：本发明涉及知识图谱技术领域，具体涉及一种基于多智能体协同的刑侦知识图谱构建方法、系统及设备，旨在提高知识图谱的质量。本发明提出的基于多智能体协同的刑侦知识图谱构建系统包括：规划智能体、分析智能体和校验智能体。其中，规划智能体用于根据用户需求生成第一检索参数和规划提示词，并根据第一检索参数从数据平台获取第一任务数据；分析智能体用于根据规划提示词生成目标知识图谱的结构化表达，并根据第一任务数据对目标知识图谱进行初始化；校验智能体用于检查目标知识图谱中的元素是否存在冲突，若存在，则选择真实性概率最高的元素。本发明不但提高了构建知识图谱的效率，而且提高了知识图谱的质量。

本发明授权基于多智能体协同的刑侦知识图谱构建方法、系统及设备在权利要求书中公布了：1.一种基于多智能体协同的刑侦知识图谱构建系统，其特征在于，所述系统包括： 规划智能体，用于根据用户需求生成第一检索参数和规划提示词，并根据所述第一检索参数从数据平台获取第一任务数据； 分析智能体，用于根据所述规划提示词生成目标知识图谱的结构化表达，并根据所述第一任务数据对所述目标知识图谱进行初始化； 校验智能体，用于检查所述目标知识图谱中的元素是否存在冲突，若存在，则选择真实性概率最高的元素； 第一训练模块，用于训练所述规划智能体、所述分析智能体、所述校验智能体和扩线智能体，所述第一训练模块包括： 预训练单元，用于分别对所述规划智能体、所述分析智能体、所述校验智能体和所述扩线智能体进行预热训练； 协同训练单元，用于采用MADDPG算法对经过预热训练后的所述规划智能体、所述分析智能体、所述校验智能体和所述扩线智能体进行协同训练，直到生成的知识图谱的质量评分r1达到最大值； 所述预训练单元包括： 第一子单元，配置为：在固定所述分析智能体的情况下，基于所述规划智能体和所述分析智能体生成知识图谱，采用RLHF流程和PPO算法训练所述规划智能体，直到生成的知识图谱的质量评分r2达到最大值； 第二子单元，配置为：在固定所述规划智能体的情况下，基于所述规划智能体和所述分析智能体生成知识图谱，采用RLHF流程和PPO算法训练所述分析智能体，直到生成的知识图谱的质量评分r3达到最大值； 第三子单元，配置为：基于存在冲突元素的图谱训练集，训练所述校验智能体，直到冲突元素的识别率达到最大值； 第四子单元，配置为：基于存在可扩展实体的图谱训练集，训练所述扩线智能体，直到可扩展实体的识别率达到最大值； 奖励模型，用于在训练过程中根据下式计算知识图谱的所述质量评分r1、所述质量评分r2或所述质量评分r3： ； 其中， 表示所述质量评分r1、所述质量评分r2或所述质量评分r3； 表示查准率；表示召回率；表示主观评分；、和均表示权重，通过多元梯度回归模型计算得出； 所述主观评分模型，用于计算所述主观评分； 第二训练模块，用于对所述主观评分模型进行训练； 所述第二训练模块包括： 初始化单元，用于对所述规划智能体、所述分析智能体、所述校验智能体和所述扩线智能体分别设置随机参数； 图谱构建单元，用于使用所述规划智能体、所述分析智能体、所述校验智能体和所述扩线智能体构建K个图谱样本；K为预设值； 样本生成单元，用于将K个所述图谱样本根据办案人员评分进行排序，并根据所述排序生成个训练样本； 训练单元，用于基于所述训练样本和排序损失函数对所述主观评分模型进行训练； 其中， 每个所述训练样本为三元组x,,，x表示生成知识图谱的输入数据，和分别表示获得办案人员较高评分和较低评分的图谱； 所述排序损失函数为：D表示个所述训练样本构成的数据集； 表示对来自数据集D的所述训练样本取期望； x,表示输入x,时模型的预测评分； x,表示输入x,时模型的预测评分； σ表示sigmoid函数； 真实性评估模型，用于评估图谱元素的所述真实性概率； 第三训练模块，用于对所述真实性评估模型进行训练； 所述第三训练模块包括： 样本生成单元，用于收集权威的开源知识图谱数据作为正样本，随机将所述正样本的 某个属性替换为虚假描述从而生成负样本； 训练集构建单元，用于对所述正样本和所述负样本的真实性概率进行标注，进而构建训练集； 训练单元，用于从所述训练集中选取图谱元素z，将该元素N跳内相连的全部元素向量记作环,将该元素的数据来源的权威性表征为权重向量并将作为所述真实性评估模型的输入，采用反向传播法进行训练。

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北京赋乐科技有限公司，其通讯地址为：100089 北京市海淀区东北旺西路8号院23号楼2层101房间；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”。

以上内容由龙图腾AI智能生成。