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！

龙图腾网获悉广东工业大学;中山市中医院申请的专利一种基于知识增强与推理优化的医学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：CN120104733B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510153096.3，技术领域涉及：G06F16/3329；该发明授权一种基于知识增强与推理优化的医学问答方法及系统是由吴菊华;李庆;林凯旋;洪慧斯;陈文戈;陶雷设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种基于知识增强与推理优化的医学问答方法及系统在说明书摘要公布了：本发明提出一种基于知识增强与推理优化的医学问答方法及系统，涉及人工智能与医学信息处理的技术领域，方法包括获取医学语料库，对医学语料库进行预处理，得到预处理后的医学语料库；利用预处理后的医学语料库对预设的语言模型进行训练，得到用于输出语义向量的医学问答初始模型；利用预设的知识图谱生成知识嵌入向量，将知识嵌入向量与语义向量融合，得到融合向量；将融合向量作为医学问答初始模型的输入，对医学问答初始模型进行微调，得到微调模型；对微调模型进行推理优化，得到训练好的医学问答模型；将待处理的医学问题输入医学问答模型，输出答案预测结果。本发明能够有效提高医学问答效率、准确性和可靠性。

本发明授权一种基于知识增强与推理优化的医学问答方法及系统在权利要求书中公布了：1.一种基于知识增强与推理优化的医学问答方法，其特征在于，包括以下步骤： S1.获取医学语料库，对所述医学语料库进行预处理，得到预处理后的医学语料库； S2.利用预处理后的医学语料库对预设的语言模型进行训练，得到用于输出语义向量的医学问答初始模型； S3.利用预设的知识图谱生成知识嵌入向量，将所述知识嵌入向量与所述语义向量融合，得到融合向量； S4.将所述融合向量作为所述医学问答初始模型的输入，对所述医学问答初始模型进行微调，得到微调模型； S5.对所述微调模型进行推理优化，得到训练好的医学问答模型； S6.将待处理的医学问题输入所述医学问答模型，输出答案预测结果； 所述语言模型包括输入层、Transformer编码层和输出层，所述输入层连接Transformer编码层的输入端，Transformer编码层的输出端连接所述输出层，所述输入层将所述输入序列表示为嵌入矩阵输入至所述Transformer编码层，所述Transformer编码层包括多层Transformer编码器，每一层Transformer编码器利用多头自注意力机制和前馈神经网络对所述嵌入矩阵进行编码，得到编码输出结果； 利用第一训练总损失函数对所述语言模型进行训练，所述第一训练总损失函数的计算表达式为： 其中，为用于控制掩码语言模型任务权重的超参数，为用于控制下一句预测任务权重的超参数；为训练掩码语言模型任务的损失函数，为训练下一句预测任务的损失函数； 利用第二训练总损失函数对所述医学问答初始模型进行微调，所述第二训练总损失函数的计算表达式如下： 其中，为回答生成的优化目标损失函数，为语义损失函数； 所述优化目标损失函数的计算表达式如下： 其中，（.）为概率分布函数，为生成的真实答案词的总数，为第个样本中第个生成的真实答案词，为第个样本中的历史生成序列，为第个医学问题的输入序列，为模型参数； 所述语义损失函数的计算表达式如下： 其中，为答案语义嵌入函数，为样本总数，为问题对应的真实答案，为微调模型生成的答案，.表示向量的范数。

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广东工业大学;中山市中医院，其通讯地址为：510080 广东省广州市越秀区东风东路729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”。