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！

龙图腾网获悉中国标准化研究院申请的专利一种基于机器学习的智能问答系统训练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：CN120373407B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510576553.X，技术领域涉及：G06N3/092；该发明授权一种基于机器学习的智能问答系统训练方法是由甘克勤;方明哲;王淑敏;张莺;隋媛;高亮设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本一种基于机器学习的智能问答系统训练方法在说明书摘要公布了：本发明公开了一种基于机器学习的智能问答系统训练方法，包括优化知识学习样本得到优化知识，确定知识权重并构建行业知识库，融合多模态提问内容获得融合提问内容，根据所述融合提问内容和用户信息获得行业描述信息和用户画像，将所述融合提问内容、所述行业描述信息和所述用户画像输入问答强化学习模型获得回答内容，根据所述回答内容和用户提问反应信息获得第一奖励信号、第二奖励信号和动态奖励权重，调整所述问答强化学习模型，将多模态提问内容输入调整后的问答强化学习模型获得优化回答内容，采用用户交互日志和所述知识权重更新行业知识库。该方法可以精准高效地进行智能问答系统训练，同时为各行业的智能化问答服务提供有力支持。

本发明授权一种基于机器学习的智能问答系统训练方法在权利要求书中公布了：1.一种基于机器学习的智能问答系统训练方法，其特征在于，包括以下步骤： S1、获取知识学习样本，对所述知识学习样本进行优化和分类获得优化知识，根据所述优化知识的来源确定知识权重，根据所述优化知识和所述知识权重构建行业知识库； S2、获取用户信息和多模态提问内容，将所述多模态提问内容进行多模态融合获得融合提问内容，根据所述融合提问内容和所述用户信息获得行业描述信息和用户画像； S3、将所述融合提问内容、所述行业描述信息和所述用户画像输入问答强化学习模型获得回答内容，对所述回答内容进行重复性检测获得第一奖励信号，获取用户提问反应信息，根据所述用户提问反应信息确定第二奖励信号； S4、将所述回答内容和用户提问反应信息输入问答记忆调整模型获得动态奖励权重； S5、根据所述第一奖励信号、所述第二奖励信号和所述动态奖励权重调整所述问答强化学习模型，将多模态提问内容输入调整后的问答强化学习模型获得优化回答内容； S6、根据所述融合提问内容和所述优化回答内容形成用户交互日志，采用所述用户交互日志和所述知识权重更新行业知识库； 所述构建行业知识库的方法，包括以下步骤： 按照优化知识的来源确定优化知识权威性，根据优化知识权威性、时效性和一致性确定知识权重，表达式为： ； ； 其中为优化知识的知识权重，为优化知识权威性，为衰减速率，为当前时间，为信息上次更新时间，为冲突关系数，为总关系数，为优化知识的来源类别权重，为的来源权威性，为优化知识的引用次数；上述来源类别包括公开数据集、专家标注数据、用户交互数据和其他数据； 为优化知识设置时间戳和类别标注，由类别标注、时间戳和知识权重生成知识向量，为优化知识图谱设置时间戳，根据优化知识和优化知识图谱构建行业知识库；所述行业知识库包括图数据库、源数据库和向量数据库；所述图数据库储存不同行业的优化知识图谱；所述源数据库储存不同行业的优化知识；所述向量数据库储存不同的知识向量； 所述对所述回答内容进行重复性检测获得第一奖励信号的方法，包括： 设置滑动对话窗口，设定问答轮次，将滑动对话窗口内的回答内容划分为多个回答项，每个回答项至少包含一个答复特征，计算回答项与对应行业优化知识的欧式距离，取欧式距离最近的优化知识为相似特征，统计对应相似特征的历史使用次数，根据相似特征的历史使用次数和知识权重确定第一奖励信号，表达式为： 其中为第一奖励信号，为滑动对话窗口内相似特征对应答复特征的类别数量，为相似特征对应的知识权重，为滑动对话窗口内相似特征对应答复特征的回答频次，为相似特征的历史提取次数，为相似特征的标准提取次数。

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中国标准化研究院，其通讯地址为：100080 北京市海淀区知春路4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。