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！

龙图腾网获悉江西财经大学申请的专利一种基于大语言模型融合知识图谱的可信时序预测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：CN120910484B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202511442525.5，技术领域涉及：G06F18/20；该发明授权一种基于大语言模型融合知识图谱的可信时序预测方法是由蔡超;袁豪;方玉明;刘伟德;左一帆;刘学林设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种基于大语言模型融合知识图谱的可信时序预测方法在说明书摘要公布了：本发明提出一种基于大语言模型融合知识图谱的可信时序预测方法，该方法包括：对原始时序数据进行可逆归一化处理，并将归一化后的时序数据分解为趋势、季节及残差成分；利用预训练大语言模型的词汇表构建具有丰富语义的时序知识图谱；从时序知识图谱中筛选得到前缀提示序列，并与时间序列嵌入进行拼接，以得到增强后的时间序列嵌入；将增强后的时间序列嵌入输入至预训练大语言模型中进行处理，并进行逆标准化处理，以得到预测值。本发明能够有效捕捉时序数据成分的多样性，借助时序知识图谱提供优质的上下文提示，显著提升模型的预测性能；同时可量化预测结果的认知不确定性与偶然不确定性，从而实现可信的时序预测。

本发明授权一种基于大语言模型融合知识图谱的可信时序预测方法在权利要求书中公布了：1.一种基于大语言模型融合知识图谱的可信时序预测方法，其特征在于，所述方法包括如下步骤： 步骤1、基于可逆归一化方法构建归一化模块，基于加法性趋势季节分解方法与线性映射层构建特征提取模块；基于两层边连接策略构建知识图谱构建模块，利用归一化模块、特征提取模块与知识图谱构建模块构成时序预测模型； 步骤2、获取原始时序数据，利用归一化模块对原始时序数据进行归一化处理，以得到归一化后的时序数据； 步骤3、利用特征提取模块对归一化后的时序数据进行特征提取，以得到时间序列嵌入； 步骤4、利用线性映射层对预训练大语言模型的词嵌入进行线性映射处理，以得到时间序列语义锚点；利用知识图谱构建模块对时间序列语义锚点进行处理，以得到时序知识图谱；从时序知识图谱中筛选得到前缀提示序列，并与时间序列嵌入进行拼接，以得到增强后的时间序列嵌入； 步骤5、将增强后的时间序列嵌入输入至预训练大语言模型中进行处理，以得到正态逆伽马分布参数，并进行逆标准化处理，以得到预测值；利用正态逆伽马分布参数分别计算得到偶然不确定性与认知不确定性；基于正态逆伽马分布参数构建得到不确定性损失函数，基于预测值构建得到均方误差损失函数，利用不确定性损失函数与均方误差损失函数对时序预测模型进行优化，得到优化后的时序预测模型；将原始时序数据输入至优化后的时序预测模型中进行处理，以得到最终预测结果； 在所述步骤4中，利用线性映射层对预训练大语言模型的词嵌入进行线性映射处理，以得到时间序列语义锚点；利用知识图谱构建模块对时间序列语义锚点进行处理，以得到时序知识图谱；从时序知识图谱中筛选得到前缀提示序列，并与时间序列嵌入进行拼接，以得到增强后的时间序列嵌入，具体包括如下子步骤： 利用线性映射层对预训练大语言模型的词嵌入进行线性映射处理，以得到时间序列语义锚点； 基于两层边连接策略，利用从词嵌入到时间序列语义锚点的映射权重矩阵，构建得到时间序列语义锚点之间的关键词边； 对时间序列语义锚点之间的余弦相似度进行计算，以得到时间序列语义锚点之间的语义相似度； 当两个时间序列语义锚点之间的语义相似度超过阈值时，添加语义相似度边，否则，不添加； 其中，表示预先设置的语义相似度阈值； 基于时间序列语义锚点、关键词边与语义相似度边构建得到知识图谱； 从知识图谱中筛选得到前缀提示序列，将前缀提示序列与时间序列嵌入进行拼接，以得到增强后的时间序列嵌入； 其中，表示前缀提示序列，均表示与时间序列嵌入相关的时序语义锚点，表示增强后的时间序列嵌入，表示时间序列嵌入。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。

以上内容由龙图腾AI智能生成。