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！

龙图腾网获悉江西财经大学申请的专利一种基于启发式自问答的经验知识图谱构建及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：CN121210633B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511757256.1，技术领域涉及：G06F16/3329；该发明授权一种基于启发式自问答的经验知识图谱构建及问答方法是由刘德喜;陈启;彭文忠;赵思成;万齐智;何威;肖宇;余凯莹;张丽园;刘喜平;腾冲设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本一种基于启发式自问答的经验知识图谱构建及问答方法在说明书摘要公布了：本发明提出一种基于启发式自问答的经验知识图谱构建及问答方法，该方法包括：将文本语料库随机划分成小批次并输入大语言模型，通过归纳处理和质量评估，得到启发式规则集；利用启发式规则集和文本内容提示语构建问答对，对问答对进行转换后再进行置信度计算，得到带置信度的结构化经验三元组；利用带置信度的结构化经验三元组构建知识图谱；利用启发式规则集对原始叙事性查询的核心片段进行提取并生成精炼查询文本；利用精炼查询文本的嵌入向量和知识图谱得到经验路径；将原始叙事性查询和经验路径输入大语言模型，生成最终回答。本发明有效避免了传统RAG方法可能导致的逻辑混乱和内容矛盾，生成的回答更加可靠，推理过程也更具可解释性。

本发明授权一种基于启发式自问答的经验知识图谱构建及问答方法在权利要求书中公布了：1.一种基于启发式自问答的经验知识图谱构建及问答方法，其特征在于，所述方法包括如下步骤： 步骤1、将领域文本语料库随机划分成小批次，利用大语言模型对每个小批次进行归纳以得到初步问答模板； 将所有初步问答模板输入大语言模型，并通过质量评估函数进行优化，以得到启发式规则集； 其中，将所有初步问答模板输入大语言模型，并通过质量评估函数进行优化，以得到启发式规则集，其中，质量评估函数的关系式为： ； 其中，表示规则集，表示质量评估函数，和均表示预设权重，表示规则集的语义多样性得分，表示规则集的简洁性得分； 在质量评估函数关系式中，规则集的语义多样性得分通过如下关系式计算得到： ； 其中，表示规则数量，表示第条规则，表示第条规则，表示中模板文本的句子嵌入向量，表示中模板文本的句子嵌入向量，表示通过余弦相似度计算； 步骤2、利用启发式规则集和文本内容提示语构建问答对，将问答对输入大语言模型中进行转换，以得到结构化三元组；对结构化三元组进行置信度计算，以得到带置信度的结构化经验三元组； 其中，对结构化三元组进行置信度计算，以得到带置信度的结构化经验三元组，对应过程存在的关系式为： ； 其中，表示结构化三元组的置信度，表示结构化三元组，表示大语言模型LLM在的条件下生成三元组的条件概率，表示给定的原始非结构化文本； 步骤3、利用带置信度的结构化经验三元组从经验片段层、概念聚类层和角色层三个层级构建全局经验知识图谱； 其中，利用带置信度的结构化经验三元组从经验片段层、概念聚类层和角色层三个层级构建全局经验知识图谱，其中，构建过程具体如下： 将所有带置信度的结构化经验三元组的头实体和尾实体作为全局经验知识图谱的经验实体节点； 将一个经验实体节点指向另一经验实体节点的向量作为有向边； 计算两个经验实体节点之间的余弦相似度以增加全局经验知识图谱的连通性，当余弦相似度大于预设阈值时，则在两个经验实体节点之间增加语义相似边； 通过经验实体节点、有向边和语义相似边构建经验片段层； 获取所有经验实体节点的嵌入向量，并利用K-means聚类算法以得到最小化簇内平方和，利用最小化簇内平方和对底层的经验实体节点进行语义抽象，以得到概念聚类层； 利用给定的角色标签集，使用映射函数为每个概念簇分配角色标签，并得到角色层； 利用经验片段层、概念聚类层和角色层构建得到全局经验知识图谱； 步骤4、接收用户输入的原始叙事性查询，利用启发式规则集对原始叙事性查询的核心片段进行提取，将核心片段拼接成精炼查询文本，计算并得到精炼查询文本的嵌入向量； 步骤5、利用精炼查询文本的嵌入向量和全局经验知识图谱从悬浮、漫游以及沉降三个阶段进行路径检索，以得到高质量经验路径； 步骤6、将原始叙事性查询与高质量经验路径输入大语言模型，以生成得到最终回答。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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。