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！

龙图腾网获悉电子科技大学申请的专利一种融合语义信息的知识推理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：CN115470333B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211077911.5，技术领域涉及：G06N5/04；该发明授权一种融合语义信息的知识推理问答方法是由卢国明;段贵多;陈爱国;罗光春;李雅俊;张昊设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本一种融合语义信息的知识推理问答方法在说明书摘要公布了：本发明涉及自然语言处理领域，其公开了一种融合语义信息的知识推理问答方法，解决现有推理方案存在的受限于噪音节点，未有效利用关系类型信息以及上下文语义空间和知识子图符号空间之间的信息割裂所导致的推理效果差的问题。本发明首先基于知识库检索问题选项对相关的知识三元组，构造知识子图；然后利用预训练语言模型获得问题选项对的语义信息；接着，对知识子图的实体节点特征进行初始化，并将语义信息作为额外的节点加入到知识子图中，获得混合图，并根据混合图以及该问题选项对与每个实体节点之间的相关性，基于图注意力机制进行知识推理；最后，将推理得到的输出向量和该问题选项对的语义信息作为输入，通过全连接网络，预测选项的置信度；比较每个候选答案选项的置信度，取置信度最大的选项作为正确答案。

本发明授权一种融合语义信息的知识推理问答方法在权利要求书中公布了：1.一种融合语义信息的知识推理问答方法，其特征在于，包括以下步骤： A、训练知识推理问答模型： A1、输入问题和候选答案选项集，所述候选答案选项集中包含该问题对应的多个候选答案选项，且其中一个候选答案选项为该问题对应的正确答案，并根据输入的问题和候选答案选项集构建问题选项对； A2、针对各问题选项对，分别检索知识库，获得其对应的问题实体和选项实体，并抽取出从问题实体到选项实体的路径，构建该问题选项对对应的知识三元组；基于获得的各问题选项对的知识三元组，构造知识子图； A3、针对各问题选项对，分别将其问题分词获得的各词语、答案选项分词获得的各词语以及步骤A2获得的该问题选项对所涉及实体的知识文本进行顺序拼接，并使用分隔符将问题词语、答案词语以及实体知识文本三个部分进行分隔，获得其输入词序列；将获得的各问题选项对对应的输入词序列，分别输入到预训练语言模型，获得各问题选项对的语义信息以及分词获得各词语的特征向量； A4、针对知识子图中的每一个实体节点，根据该实体节点的实体在各问题选项对中对应的分词获得的词语的特征向量，对知识子图的实体节点特征进行初始化； A5、针对各问题选项对，分别按如下步骤获得其答案选项的置信度： A51、将该问题选项对的文本作为上下文文本，然后，基于该上下文文本以及知识子图各实体节点的实体的知识文本，对每个实体节点与该问题选项对之间的相关性进行打分； A52、将步骤A3获得的该问题选项对的语义信息，作为语义节点加入到知识子图中，并将语义节点分别连接到知识子图中的各实体节点，获得混合图； A53、根据步骤A51获得的相关性和步骤A52获得的混合图，基于图注意力机制进行知识推理，获得知识推理结果； A54、将步骤A3获取的该问题选项对的语义信息和步骤A53获取的知识推理结果作为输入，通过全连接网络预测该问题选项对的答案选项的置信度； A6、根据各问题选项对的答案选项的置信度，选取置信度最大的答案选项作为问题的正确选项； A7、循环执行步骤A1‑A6，对知识推理问答模型进行迭代训练，直至模型收敛或达到预设训练轮次； B、执行知识推理问答任务： 以问题和相关候选答案作为输入，基于训练好的知识推理问答模型获得答案； 步骤A7中，采用交叉熵损失以端到端的方式迭代训练知识推理问答模型，损失函数为： 其中，表示置信度最大答案选项的置信度，表示选项a的实际置信度，A为候选答案集。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。