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！

龙图腾网获悉华中科技大学申请的专利基于LLM的知识图谱生成式辅助教学答疑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：CN119669530B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202411809280.0，技术领域涉及：G06F16/9032；该发明授权基于LLM的知识图谱生成式辅助教学答疑方法及系统是由黄晓涛;黄立群;张佳琦;吴凡;冯昌泰设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本基于LLM的知识图谱生成式辅助教学答疑方法及系统在说明书摘要公布了：本申请属于智能问答技术领域，具体公开了一种基于LLM的知识图谱生成式辅助教学答疑方法及系统，其中方法包括：对用户输入的待答疑问题进行问题过滤，确定待答疑问题是否符合科学合理的答疑主题领域；在预先构建的答疑主题领域对应的知识图谱中，采用LangChain代理对符合答疑主题领域的待答疑问题进行检索，确定待答疑问题的相关知识；将相关知识输入大语言模型，生成待答疑问题的答案；其中，对符合答疑主题领域的待答疑问题进行检索，采用以下至少一种检索方式：基于Cypher查询语句、SBERT问题映射模型和向量相似度的检索。本申请结合LangChain和LLM，产出了输入答疑主题领域问题的专业化回答，并提供了多角度的检索能力，提高系统对用户查询的响应质量和速度。

本发明授权基于LLM的知识图谱生成式辅助教学答疑方法及系统在权利要求书中公布了：1.一种基于LLM的知识图谱生成式辅助教学答疑方法，其特征在于，包括： 对用户输入的待答疑问题进行问题过滤，确定所述待答疑问题是否符合科学合理的答疑主题领域； 在预先构建的所述答疑主题领域对应的知识图谱中，采用LangChain代理对符合答疑主题领域的所述待答疑问题进行检索，确定所述待答疑问题的相关知识； 将所述相关知识输入大语言模型，生成所述待答疑问题的答案； 其中，所述对符合答疑主题领域的所述待答疑问题进行检索，采用以下至少一种检索方式：基于Cypher查询语句的检索；基于SBERT问题映射模型的检索；基于向量相似度的检索； 所述基于SBERT问题映射模型的检索，包括： 将符合答疑主题领域的所述待答疑问题输入至BERT-CRF头实体检测子模型进行头实体检测，输出所述待答疑问题中的头实体； 基于所述头实体在知识图谱中检索出多个候选三元组； 将所述多个候选三元组输入至SBERT候选三元组排序子模型进行语义相似度排序，输出知识图谱中所述待答疑问题对应的目标三元组； 所述BERT-CRF头实体检测子模型包括数据处理层，基于BERT的特征处理层和基于CRF的序列标注层；所述输出所述待答疑问题中的头实体，包括： 所述数据处理层对所述待答疑问题进行分词和BIO标注，输出BIO序列； 所述基于BERT的特征处理层基于所述BIO序列提取每个词的上下文特征，生成对应的词特征向量； 所述基于CRF的序列标注层基于所述词特征向量进行标签预测，基于标签间的转移概率获取全局最优的标签序列，解码确定所述待答疑问题中的头实体； 所述基于所述头实体在知识图谱中检索出多个候选三元组，包括： 将所述头实体作为查询关键词通过Elasticsearch的Match查询进行头实体匹配，检索出所述多个候选三元组； 所述SBERT候选三元组排序子模型包括两个网络结构相同且共享权值的BERT，所述SBERT候选三元组排序子模型基于以下步骤训练得到： 设置样本类型，包括：正样本，相同头实体负样本，歧义实体负样本，不相关实体负样本； 分段式设置不同样本类型的相似度分数和样本数量，通过Elasticsearch随机抽取三元组构建训练数据集； 基于构建好的所述训练数据集，训练所述SBERT候选三元组排序子模型。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。