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);山东省人工智能研究院申请的专利一种基于知识图谱增强的大语言模型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：CN120492581B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510579730.X，技术领域涉及：G06F16/3329；该发明授权一种基于知识图谱增强的大语言模型问答方法是由周书旺;董韶杰;舒明雷;郭振华;刘照阳;张洪宽;朱喆设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本一种基于知识图谱增强的大语言模型问答方法在说明书摘要公布了：一种基于知识图谱增强的大语言模型问答方法，涉及知识图谱技术领域，从医疗文本中提取关键实体，并利用知识图谱构建证据子图，以增强大语言模型的推理能力。利用图神经网络对子图进行特征提取和关系推理，增强模型对医疗场景的理解能力。通过全局平滑特征初始化和动态权重建模，精确调整节点间关系，缩小推理空间至最相关部分。此外，将子图格式化为实体链，并转换为自然语言描述，整合入统一推理图，为模型提供综合视角。最终，模型基于推理图和关键推理元素生成最终答案，同时构建解释上下文，增强了模型的可解释性。

本发明授权一种基于知识图谱增强的大语言模型问答方法在权利要求书中公布了：1.一种基于知识图谱增强的大语言模型问答方法，其特征在于，包括： a获取个医疗问题，形成医疗问题数据集，，其中为第个医疗问题； b将第个医疗问题输入到Qwen2.5-14B-Instruct模型中，输出得到第个医疗问题的初步回答，所有个初步回答形成初步回答集合，； c从第个医疗问题及第个医疗问题的初步回答中提取出个关键实体，形成关键实体集，，其中为第个关键实体； d利用Med-BERT模型将DiseaseKG知识图谱中提取出个三元组实体，得到三元组实体集，，其中为第个三元组实体； e利用第个关键实体及第个三元组实体构建最高相似度实体集合； f根据最高相似度实体集合构建证据子图，，将子图节点结构进行清洗，清洗时对于子图节点结构中重复的邻居节点只保留一个，将其余多余的重复邻居节点删除，得到清洗后的子图节点结构，将子图关系集合进行清洗，清洗时对于子图关系集合中重复的边只保留一个，将其余多余的重复边删除，得到清洗后的子图关系集合； g根据证据子图构建得到最终节点特征矩阵； h根据最终节点特征矩阵得到第个邻居节点的上下文增强特征； i根据证据子图构建新的子图，将新的子图输入到Qwen2.5-14B-Instruct模型中，输出得到自然语言解释； j使用ApolloServer搭建GraphQL接口，在ApolloServer的解析器中通过HTTP请求调用证据子图的API使Qwen2.5-14B-Instruct模型链接到证据子图，将上下文增强特征及自然语言解释输入到链接到证据子图的Qwen2.5-14B-Instruct模型中，输出得到最终的生成回答； 步骤g包括如下步骤： g-1将证据子图输入到BERT模型中，输出得到行列的节点特征矩阵，为清洗后的子图节点结构中邻居节点数量； g-2构建邻接矩阵，邻接矩阵的第行第列的值为，，，如果清洗后的子图节点结构中存在由第个邻居节点与第个邻居节点的关系构成的边，则，如果清洗后的子图节点结构中不存在由第个邻居节点与第个邻居节点的关系构成的边，则，，； g-3将邻接矩阵与阶的单位矩阵相加得到扩展邻接矩阵，通过公式计算得到平滑权重矩阵，式中为扩展邻接矩阵对应的度矩阵； g-4通过公式计算第一次平滑特征，式中为控制邻居节点特征的影响程度，； g-5通过公式计算第二次平滑特征； g-6重复步骤g-5次，得到第次的平滑特征； g-7求解第次的平滑特征的Frobenius范数与第次的平滑特征的Frobenius范数的差值，如果差值小于等于则执行步骤g-8，如果差值大于则执行步骤g-6直至差值小于等于； g-8通过公式计算得到高阶特征矩阵，式中为权重矩阵，为非线性激活函数，通过公式计算得到高阶特征矩阵，式中为权重矩阵； g-9将第次的平滑特征与高阶特征矩阵进行残差连接，得到行列的最终的节点特征矩阵。

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);山东省人工智能研究院，其通讯地址为：250353 山东省济南市长清区大学路3501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。