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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利一种面向大模型的多级主线图记忆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：CN120911571B 。

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：202511439495.2，技术领域涉及：G06N5/022；该发明授权一种面向大模型的多级主线图记忆方法是由赵志刚;马江霖;李传涛;王春晓;李响;王庆瀚;张杨;杨文惠;李锦涛;张广东;刘言设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种面向大模型的多级主线图记忆方法在说明书摘要公布了：本发明涉及人工智能技术领域，尤其是提供了一种面向大模型的多级主线图记忆方法。该方法包括设计记忆图，以有向图结构组织对话中的任务语义信息；构建多级主线策略；进行节点自动创建与图更新；构建依赖边和加速策略；生成结构化提示和上下文注入机制；进行图结构自动维护与生命周期管理，该方法解决了大语言模型在复杂多轮对话任务中存在的记忆衰退、主线偏移与上下文一致性缺失的关键问题，提升了大语言模型的性能与可靠性。

本发明授权一种面向大模型的多级主线图记忆方法在权利要求书中公布了：1.一种面向大模型的多级主线图记忆方法，其特征在于，所述方法包括： 步骤1、设计记忆图，以有向图结构组织对话中的任务语义信息； 步骤2、根据步骤1，构建多级主线策略； 步骤3、基于步骤2，进行节点自动创建与图更新； 步骤4、利用步骤3，构建依赖边和加速策略； 步骤5、基于步骤4，生成结构化提示和上下文注入机制； 步骤6、根据步骤5，进行图结构自动维护与生命周期管理； 所述步骤1包括： 以有向图结构组织对话中的任务语义信息，定义为： ； 其中，为节点集合，包括任务节点、阶段节点、步骤节点、变量节点、约束节点与操作节点；为带类型的有向边集合，为边类型集合，包括主线边、包含边、变量依赖边； 任务节点代表一级节点L1，用于表示用户提出的整体目标；阶段节点代表二级节点L2，用于表示任务中具有时间或逻辑顺序的子目标；步骤节点代表三级节点L3，用于表示阶段进行的实际步骤；变量节点、约束节点以及操作节点均代表四级节点L4，变量节点用于表示被反复引用的重要变量、路径或参数设定，约束节点用于表达模型生成行为的限制性条件，操作节点用于表示具有实际执行意义的行为指令；每个历史节点的语义表示通过向量编码获得，定义为： ； 其中，为句向量编码器，用于语义相似性计算与依赖推理； 所述步骤2包括： 将复杂意图逐层分解为任务节点L1、阶段节点L2、步骤节点L3以及变量节点、约束节点与操作节点L4的嵌套层次表示如下： ； 通过包含边与主线边进行推进，构成多级主从结构，任务节点作为顶层节点，表示全局目标；阶段节点作为中层节点，表示阶段性目标；步骤节点作为底层节点，表示具体步骤；而任一节点能够作为新的任务节点继续划分子任务，形成一个完整的图结构； 所述步骤3包括： 当输入自然语言后，自动执行如下操作：首先判断输入是否引入新任务目标或操作步骤；自动解析输入内容，构造节点内容并插入图结构；根据多级主线策略，确定主线连接方向；自动更新主线路径、阶段编号与图结构元数据； 所述步骤4包括： 在多轮对话中，当前提出的新问题或新任务步骤，依赖历史轮次中节点的信息；为了维持对话的逻辑连贯性与任务一致性，通过构建依赖边，以实现当前节点对历史节点的显式语义引用；依赖边是一种非线性、非层级式的引用关系边，其表达形式为： ； 其表示当前节点在内容生成或逻辑执行时，参考历史节点中的信息；表示边的类型为依赖边； 采用三级加速策略，以逐步缩小候选集合： 第一级是时间窗口与层级路径过滤，原理在于基于现实对话场景中近期历史更相关的原则，引入时间窗口和路径一致性限制；设当前对话或任务的轮次编号为r，仅保留以下候选节点，其表达形式为： ； 其中，表示经过时间窗口与路径过滤后得到的候选节点集合；表示前k次对话操作过的节点；表示所在的生成轮次；w表示时间窗口大小即对话轮次；表示当前节点；表示前k次的路径；表示当前路径；表示任务路径相交，以确保语义上下文相关性；时间窗口w设为5~10轮，对长对话设为浮动窗口； 第二级语义向量检索，原理在于对每个历史节点使用句向量模型进行编码，其表达形式为： ； 然后计算当前节点与历史节点的语义相似度，其表达形式为： ； 其中，表示每个当前节点使用句向量模型进行编码；若，则将视为能够依赖的节点，=0.75~0.9；使用FAISS建立向量索引支持实时搜索，复杂度近似； 第三级引用频次与活跃度过滤，原理在于系统维护一组引用频繁或高活跃节点集合，引用频次池其表达形式为： ； 其中，表示其他节点引用节点的次数；表示引用阈值； 依赖上述三级加速策略，建立最终的候选节点集合，并通过最终的候选节点集合进行依赖边的构建，定义为： ； 其中，表示经过时间窗口与路径过滤后得到的候选节点集合；表示引用频次池；表示由语义相似度筛选出的候选集； 系统在候选集合中执行高相似度排序，即从候选集合中，按与当前节点的语义相关性和任务相关性排序，以确保最相关的信息最先建立依赖；根据引用类型分类为变量引用、约束引用、结构引用，根据每个依赖候选节点的语义内容和上下文关系，判断其在当前上下文中的引用类型，以便在依赖边上进行语义标注；依赖边建立与标注，在结构化图中，显式建立依赖边，并标注其依赖类型与可信度，用于检索、上下文聚焦、生成控制。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250353 山东省济南市长清区西部新城大学科技园；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。