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！

龙图腾网获悉杭州电子科技大学申请的专利一种结合大模型与图神经网络的知识图谱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：CN119848190B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202411787857.2，技术领域涉及：G06F16/3329；该发明授权一种结合大模型与图神经网络的知识图谱问答方法是由姜明;刘景超;张旻设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种结合大模型与图神经网络的知识图谱问答方法在说明书摘要公布了：本发明涉及一种结合大模型与图神经网络的知识图谱问答方法，包含问题分解模块、子问题解决模块、答案推理模块，其中在问题分解模块中本发明提出一种迭代式的问题分解方式，用以解决图神经网络方法在多跳问题中问题子图大小难以确定的困境，子问题解决模块又由问题子图检索阶段与推理路径构建阶段组成，问题子图检索阶段中本发明给出一种相似度定义方式并通过PersonalizedPageRank算法进行计算，同时为了提高GNN回答的准确率，后续问题的问题子图都会合并上之前问题的问题子图，以实现问题子图的动态扩展。推理路径构建阶段首先通过预训练好的图神经网络获得候选答案，然后利用BFS算法构建推理路径。最终通过答案推理模块来判断推理路径的合理性以给出子问题答案。本发明提供了一种结合大模型和图神经网络的知识图谱问答框架，有效地提升了模型在多跳问题上的表现。

本发明授权一种结合大模型与图神经网络的知识图谱问答方法在权利要求书中公布了：1.一种结合大模型与图神经网络的知识图谱问答方法，其特征在于：包括以下步骤： 步骤一：问题分解：利用大模型的上下文学习能力对多跳问题进行分解， 分解的具体步骤包括：当接收一个多跳问题时，将上下文示例拼接上多跳问题后输入进大模型，大模型产生一个初始的单跳子问题，将该子问题输入进子问题解决模块得到推理路径，后将推理路径输入进推理模块获得答案， 将上述分解的具体步骤结果添加进上下文，提供给大模型，后将丰富后的上下文再次输入进大模型，令大模型迭代式的分解问题，按上述步骤进行解决，直到大模型无法给出子问题； 步骤二：子问题解决：当通过步骤一获得子问题后，需要通过GNN模型构建出该子问题的推理路径,具体包括问题子图检索阶段和推理路径构建阶段， 步骤三：答案推理：通过问题子图检索模块获得种子实体与候选答案之间的所有路径后，将其进行文本化来构建LLM的上下文,再拼接上子问题，共同输入给LLM，利用大模型的推理能力来获得该子问题的最终答案； 所述步骤二中问题子图检索阶段具体包括： 当获得由多跳问题分解出的单跳子问题后，在知识图谱中检索单跳子问题的问题子图； 知识图谱由一个个三元组组成，从概率角度给出相关性的定义: 其中Scoree,q,G表示在知识图谱G中三元组e与问题q的相关程度，N表示以问题q为起点在知识图谱中进行随机游走的总次数，timess表示随机游走过程中访问到三元组s的次数,subjecttostart＝q表示约束条件为以q为起点； 问题q难以直接在知识图谱中表示，通过大模型抽取出问题中top-k个关键实体作为当前问题的种子实体，以此来近似表示问题q，经过近似后的相关性定义如下: 最终，该相关性通过使用PersonalizedPageRank算法进行计算，最终筛选出与问题最相关的2000个三元组作为当前问题的问题子图； 所述步骤二中推理路径构建阶段具体包括： 知识图谱问答中的GNN模型被视为一个节点分类的工作方法，其中KG实体被分类为给定问题的答案与非答案，先通过图神经网络获得子问题的候选答案，其中图神经网络部分采用的是预训练好的ReaRev图神经网络，将子问题与问题子图共同输入进ReaRev模型，获得每个实体作为答案的概率，后将概率从高到低进行排序，从高到低选取累计概率大于95％的实体作为候选答案，使用BFS算法检索种子实体与各个候选答案之间的所有路径。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。