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！

龙图腾网获悉杭州路享科技有限公司申请的专利基于人工智能的交互问答方法及系统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：CN120541186B 。

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：202510695776.8，技术领域涉及：G06F16/3329；该发明授权基于人工智能的交互问答方法及系统是由虞仲华;王薇;吴兰辉;王力设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本基于人工智能的交互问答方法及系统在说明书摘要公布了：本发明公开了基于人工智能的交互问答方法及系统，涉及交互问答技术领域，包括，将用户输入文本问题转化为向量表示，结合对文本实体的依存关系树构建关系图，捕获问题中的依存关系作为边权值，组成邻接矩阵构建节点度矩阵，确定标准化图拉普拉斯矩阵，并进行特征分解，确定最优的聚类数，对文本问题的语言短语进行聚类，确定不同聚类的任务片段集合。本发明所述方法通过构建依存关系图不仅具备语言短语间的语义关联，同时融入了句法关系，确保文本结构信息的完整性，通过节点的度数作为图中局部强度的量化指标，该信息直接支持后续的拉普拉斯矩阵归一化处理，提供统一尺度，避免数据范围的不均衡问题。

本发明授权基于人工智能的交互问答方法及系统在权利要求书中公布了：1.基于人工智能的交互问答方法，其特征在于，包括： 将用户输入文本问题转化为向量表示，结合对文本实体的依存关系树构建关系图，捕获问题中的依存关系作为边权值，组成邻接矩阵构建节点度矩阵，确定标准化图拉普拉斯矩阵，并进行特征分解，确定最优的聚类数，对文本问题的语言短语进行聚类，确定不同聚类的任务片段集合，并计算不同任务片段集合的依赖强度，构建嵌套任务依赖图，基于图算法根据节点与边数量计算复杂度，标定优先级； 构建知识图谱，通过关键词匹配计算知识图谱节点与语言短语的匹配分数，构建激活边集合，使用DQN算法进行动态路径规划，预测推理路径； 对推理路径中包含的任务片段进行排序，提取用户历史交互记录数据，建模用户特征的时间依赖性，将推理路径的知识节点序列向量与用户画像嵌入向量组成输入向量，并通过Transformer算法生成个性化预测文本； 进行问句模糊匹配，并补充问句内容输出优化补全的完整问题，对数据进行加密传输，进行云端存储； 所述构建知识图谱，通过关键词匹配计算知识图谱节点与语言短语的匹配分数，构建激活边集合，预测推理路径，包括， 基于全局知识库导入知识图谱，其中节点为表示经过标定的问答知识实体数据，根据问答知识的因果关系和类型关系设置边集合作为知识图谱的边； 为每个知识图谱节点生成嵌入向量，通过预训练的BERT生成节点描述的语义嵌入，使用图嵌入算法生成节点的网络结构嵌入，根据历史标定确定语义嵌入与结构嵌入的权重，组成最终节点嵌入； 通过关键词匹配计算知识图谱节点的匹配分数； 基于历史匹配分数的均值与标准差的和作为匹配阈值，若语义匹配分数大于等于匹配阈值，则激活对应知识节点，并构建激活知识子图节点集合，并根据激活知识子图节点确定激活边，构建激活边集合； 使用DQN算法进行动态路径规划，定义深度强化学习的状态，包括知识图谱当前访问节点，当前推理的目标任务片段，记录已访问的知识节点，定义深度强化学习的动作为在当前状态下选择下一个知识节点，定义深度强化学习的奖励决策，包括对应知识子图节点的语义匹配分数，优先处理任务片段优先级高的对应知识子图节点； 使用深度Q-Learning强化学习算法进行模型训练，预测推理路径，路径包含从任务片段出发到目标节点的一系列知识节点； 对任务片段集合和推理路径进行知识缺失判定，确定知识图谱未能覆盖的信息关键词，并利用API调用外部知识库以获得相关的节点和边信息，确定新增知识图谱节点集和新增边集，进行知识图谱动态更新，并重新进行推理路径预测。

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路享科技有限公司，其通讯地址为：310000 浙江省杭州市拱墅区沈家路132号1幢631室；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。