Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恺恩泰(南京)科技有限公司林世琴获国家专利权

恺恩泰(南京)科技有限公司林世琴获国家专利权

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!

龙图腾网获悉恺恩泰(南京)科技有限公司申请的专利基于大模型的智能客服信息检索方法及系统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:CN120892537B

龙图腾网通过国家知识产权局官网在2025-12-12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:202511376085.8,技术领域涉及:G06F16/3329;该发明授权基于大模型的智能客服信息检索方法及系统是由林世琴;李正宇设计研发完成,并于2025-09-25向国家知识产权局提交的专利申请。

基于大模型的智能客服信息检索方法及系统在说明书摘要公布了:本发明属于语义检索技术领域,尤其涉及基于大模型的智能客服信息检索方法及系统,该方法通过获取用户检索语义关联向量,结合预设的标准关键实体映射表、三级索引映射表,对分布式隔离映射安全链中各主体节点的差异性分级索引树状标准语义问答信息库进行检索判断,检索到的标准问答信息按关键实体频率排序返回,未检索到时利用预训练推理生成模型结合信息库生成答案;当检索语义包含预约需求时,借助分布式预约决策树与标准问答信息生成跨系统预约参数集,经双向映射字典与匹配推荐算法输出推荐预约信息,并通过实时采集推荐与真实预约的一致性频次比,动态更新双向映射字典与检索索引信息,有效提升语义检索精度与跨系统预约准确性。

本发明授权基于大模型的智能客服信息检索方法及系统在权利要求书中公布了:1.基于大模型的智能客服信息检索方法,其特征在于,包括: 响应用户检索信息,获取用户检索语义关联向量与语境关联向量; 基于检索语义关联向量与语境关联向量结合预设的标准关键实体映射表与预设分布式隔离映射安全链内置的三级索引映射表,对分布式隔离映射安全链每一主体节点配置的分级索引树状标准语义问答信息库进行标准问答检索信息检索判断; 若检索到,则将检索到的标准问答检索信息按照所述检索语义关联向量中检索关键实体出现的频率优先级返回标准问答检索信息; 若未检索到,则根据用户检索语义关联向量,通过预训练的推理生成模型结合分级索引树状标准语义问答信息库,生成问答检索信息序列及对应的评估得分,并将生成的所有问答检索信息中评估得分最大的信息反馈给对应的用户; 所述标准关键实体映射表的构建过程包括: 获取每一类型主体包含所有子主体对应的历史文本记录信息和领域标准化文本信息,并通过预训练的专业分词模型进行分词预处理,获得每一主体下所有子主体对应的文本信息空间和领域标准文本信息空间; 基于每一主体下所有子主体对应的文本信息空间和领域标准文本信息空间,通过实体关系抽取算法,获得每一子主体对应的专属标签关键实体向量和通用标签关键实体向量; 以每一通用标签关键实体向量为聚类中心,通过余弦公式,获得每一聚类中心与所有专属标签关键实体向量的聚类距离; 基于每一聚类中心对应的所有聚类距离,确定每一聚类中心对应的截断距离,将每一聚类中心对应的所有截断距离与聚类距离输入到DBSCAN算法中,获得每一通用标签对应的专属标签聚类映射表;所述专属标签聚类映射表包括通用标签与对应的不同子主体下的专属标签序列; 基于所有通用标签对应的专属标签聚类映射表和领域标准文本信息空间,通过因果关联分析模型,获取不同通用标签下不同专属标签之间的因果关联程度; 基于不同通用标签下不同专属标签之间的因果关联程度,构建不同通用标签关键实体与对应专属标签关键实体之间的双向映射连接,并基于双向映射连接结合每一通用标签对应的专属标签聚类映射表,获得标准关键实体映射表; 所述分布式隔离映射安全链的构建过程包括: 基于每一个主体对应的分级索引树状标准语义问答信息库结合跨主体安全映射连接、跨子主体因果权限连接,通过区块链算法与分布式框架,构建得到分布式隔离映射安全链。

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恺恩泰(南京)科技有限公司,其通讯地址为:211899 江苏省南京市江北新区研创园华创路73号高新总部大厦C座9-13层;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。