Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京大学陈刚获国家专利权

南京大学陈刚获国家专利权

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!

龙图腾网获悉南京大学申请的专利一种基于大语言模型的地理信息知识图谱构建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:CN120179740B

龙图腾网通过国家知识产权局官网在2025-09-19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:202510656945.7,技术领域涉及:G06F16/28;该发明授权一种基于大语言模型的地理信息知识图谱构建方法是由陈刚;危宗军;廖敏伊;曹梦婷;徐有恒设计研发完成,并于2025-05-21向国家知识产权局提交的专利申请。

一种基于大语言模型的地理信息知识图谱构建方法在说明书摘要公布了:本发明公开了一种基于大语言模型的地理信息知识图谱构建方法,属于地理信息、人工智能技术领域,包括S1:数据预处理与知识图谱模式定义;S2:融合Reflxion机制的分阶段实体识别,从预处理后的文本中识别出符合预定义模式的地理信息实体;S3:融合Reflxion机制的关系抽取,抽取已识别实体间的语义关系;S4:基于语义相似度和地理相似度进行实体对齐与属性对齐,并将相似实体合并后进行存储与可视化处理;本发明结合大语言模型的上下文理解与语义推理能力,降低知识图谱构建中对大规模人工标注数据的依赖性,通过全流程自动化设计与多模型协同优化,实现高效、大规模的结构化知识库生成,满足实时性需求。

本发明授权一种基于大语言模型的地理信息知识图谱构建方法在权利要求书中公布了:1.一种基于大语言模型的地理信息知识图谱构建方法,其特征在于,包括以下步骤: S1:数据预处理与知识图谱模式定义; S2:融合Reflexion机制的分阶段实体识别,从预处理后的文本中识别出符合预定义模式的地理信息实体; S21:实体类型的识别; S22:初步实体识别; 系统针对上述S21识别出的相关实体类型子集,遍历的进行实体实例的抽取与精炼;对于目标实体类型,大语言抽取模型承担执行抽取动作的角色;通过构建包含文本块和当前目标实体类型的提示,指令大语言抽取模型抽取出文本中所有表述该类型实体的具体实例及其文本跨度; S23:实体识别效果评估; 引入Reflexion机制进行评估,S22步骤的初步抽取结果被传递给大语言评估模型,执行独立的评估与校验;大语言评估模型扮演“评估者”的角色,它接收原始文本、大语言抽取模型的输出、目标实体类型定义及校验规则,对大语言抽取模型的结果进行严格审查,识别各类潜在错误,并生成结构化的评估报告或修正建议;大语言评估模型产生的评估结果被反馈给初始的大语言抽取模型;大语言抽取模型在接收到来自“评估者”的反馈后,被指令针对同一文本块和同一实体类型进行第二轮抽取;此时的提示会融入大语言评估模型的反馈要点,指导大语言抽取模型进行修正; S24:实体集合的输出; S3:融合Reflexion机制的关系抽取,抽取已识别实体间的语义关系; S31:基于大语言模型的关系抽取; 利用S2产出的、经过校验的实体列表,在当前处理的文本块内识别出候选实体对;利用大语言抽取模型作为初始关系抽取器,结合文本上下文、候选实体对以及预定义的关系类型全集,通过设置提示指令大语言抽取模型判断每个候选实体对之间是否存在任何预定义的关系,并确定最合适的关系类型;大语言抽取模型输出一份初步判定的关系三元组列表; S32:关系抽取效果评估; 启动Reflexion机制中的评估环节,将大语言抽取模型生成的初步关系三元组列表提交给大语言评估模型进行独立的评估与校验;大语言评估模型扮演“关系评估者”的角色,它需要依据原始文本内容、关系类型的定义和约束、以及已校验的实体信息,来审查大语言抽取模型提出的每一个关系三元组;大语言评估模型负责识别关系类型判断错误、主客体与关系类型不匹配,并生成详尽的评估结果或修正建议; S33:完整三元组的输出; 大语言评估模型的评估报告或修正建议被明确地反馈给大语言抽取模型;大语言抽取模型在接收到来自“评估者”的反馈后,针对同一文本块和相同的候选实体对进行第二轮关系判断与抽取;最终,经过关系抽取模块的完整流程,系统得到该文本块内经过双模型协同优化的关系三元组集合; S4:基于语义相似度和地理相似度进行实体对齐与属性对齐,并将相似实体合并后进行存储与可视化处理; S41:从获取的知识图谱中提取所有唯一的实体名称,利用地理编码技术获得相关地理实体的经纬度; S42:利用嵌入模型将实体名称转化为词向量,计算两个词向量的余弦相似度,作为语义相似度,具体计算公式为: 其中,A、B分别表示实体A、B对应的词向量,||A||、||B||分别表示词向量A、B的模长,i表示当前词向量维度,n表示词向量总维度; S43:计算各个实体的空间距离d,利用高斯核函数转换为地理相似度,用距离衡量他们的相似性,具体为: 其中,d表示距离,σ表示调节参数; S44:计算实体对齐相似度S; S=α·语义相似度+1-α·地理相似度, 其中,isSameEntity表示两个实体是否是同一个实体;α表示权重参数,s表示设定的阈值;当实体对齐相似度S大于等于s时,认为是相似的实体; 将所有相似实体合并后采用Neo4j图数据库进行知识图谱的存储与可视化处理。

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南京大学,其通讯地址为:210023 江苏省南京市栖霞区仙林大道163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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。