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基于主题知识图谱检索增强的知识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：CN121388124B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511971820.X，技术领域涉及：G06F16/3329；该发明授权一种基于主题知识图谱检索增强的知识问答方法及系统是由陈家豪;张旻;姜明设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本一种基于主题知识图谱检索增强的知识问答方法及系统在说明书摘要公布了：本发明公开了一种基于主题知识图谱检索增强的知识问答方法及系统，该方法首先基于原始文档利用大语言模型提取三元组形式表示的局部主题，并进行聚类，生成代表整篇文档全局视角的全局主题三元组集合。其次基于全局主题三元组集合，采用主题引导的实体与关系抽取，构建混合知识图谱。然后提出语义感知的个性化PageRank算法，将查询语义与混合知识图谱中边的语义进行匹配，动态调整节点间分数传播的权重；最后设计三级递进检索机制，从混合知识图谱中检索与用户查询相关的多层次信息，输入至大语言模型，生成最终答案。本发明显著提升了知识图谱的语义完整性和检索精度，确保了生成答案的准确性、全面性和赋能性。

本发明授权一种基于主题知识图谱检索增强的知识问答方法及系统在权利要求书中公布了：1.一种基于主题知识图谱检索增强的知识问答方法，其特征在于，包括如下步骤： 步骤一：对原始文档进行分块处理，利用大语言模型从每个文本块中提取包含主题、语义锚和主题摘要的三元组形式表示的局部主题； 步骤二：将局部主题三元组进行聚类，并对每个聚类簇内的三元组进行融合，生成代表整篇文档全局视角的全局主题三元组集合； 步骤三：基于全局主题三元组集合，采用主题引导的实体与关系抽取，构建包含实体节点、社区节点及原始文本段落节点的混合知识图谱； 步骤四：提出语义感知的个性化PageRank算法SP-PPR，在检索过程中，将查询语义与混合知识图谱中边的语义进行匹配，动态调整节点间分数传播的权重，具体实现过程如下： 在个性化PageRank算法的基础上，将两个的节点的权重重新定义为： 首先将两个节点之间关系的三元组通过嵌入模型转化为数值向量； 其次将用户输入的查询问题通过嵌入模型转化为数值向量； 最后计算由三元组和查询问题转化的数值向量间的相似度，作为两个的节点分数传播的权重； 并使用权重对原始的个性化PageRank算法得分进行加权，并结合用户对节点的个性化向量，计算下一个节点的得分； 所述个性化向量的初始化具体为：对用户输入的查询问题使用LLM并基于思维链得到答案所需要的一系列推理过程，对于每个步骤以及原始查询问题都使用LLM提取实体得到候选实体集合，并将实体映射回混合知识图谱的节点中；对于每一个节点都获取到一阶邻居作为上下文，输入到LLM进行语义评分，判断每个实体对于原始问题的贡献得分，最后取个实体作为偏好节点，对应的个性化概率为的倒数，其余实体对应的个性化概率为0，所有实体对应的个性化概率组合得到初始化的个性化向量； 步骤五：动态调整节点间分数传播的权重后，设计三级递进检索机制，从混合知识图谱中检索与用户查询相关的多层次信息； 所述三级递进检索机制具体包括： 步骤5.1获取局部信息：利用步骤四的语义感知个性化SP-PPR算法，计算知识图谱中所有实体节点的得分，并选取Top-N个得分最高的实体节点作为局部精准知识； 步骤5.2获取全局信息：找到与Top-N个得分最高的实体节点相关联的社区集合，随后检索这些社区的社区报告，从社区层面获取与用户查询相关的粗粒度、关联性知识； 步骤5.3获取原始信息：根据步骤5.1检索到的实体节点，定位并检索与其关联的原始文本段落节点； 步骤六：将多层次信息输入至大语言模型，生成最终答案。

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。