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！

龙图腾网获悉北京工业大学申请的专利一种序列模型与知识图谱结合的问答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：CN116127095B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310010370.2，技术领域涉及：G06F16/36；该发明授权一种序列模型与知识图谱结合的问答方法是由林绍福;郭朝晖;韩宗旺设计研发完成，并于2023-01-04向国家知识产权局提交的专利申请。

本一种序列模型与知识图谱结合的问答方法在说明书摘要公布了：本发明公开了一种序列模型与知识图谱结合的问答方法，包括：知识获取处理方法、知识图谱构建方法、模型构建方法、问题判断与答案生成方法。针对不同类型的数据集设计了相应的问答策略，从领域专业知识数据集构建“领域专业知识语义数据”，通过关键词提取和模板匹配获得知识图谱中的专业答案。从领域知识基本问答数据集构建“领域知识基本问答语义数据”，并使用句向量相似度算法获得领域知识聊天数据集的最佳答案，以训练Seq2seq模型，作为知识图谱的补充。结合上述问答策略，本方法既可以回答专业的领域知识，还可以回答日常聊天系统。该方法能够准确、高效地回答不同领域的问题，在一定程度上使得问答系统能够理解用户的意图，更加智能化。

本发明授权一种序列模型与知识图谱结合的问答方法在权利要求书中公布了：1.一种序列模型与知识图谱结合的问答方法，其特征在于，该方法的实施过程如下： 数据预处理阶段使用Pandas和规则匹配实现数据集清洗、数据集划分，模型的搭建与训练使用Tensorflow框架进行实现；收集并处理领域知识的三类数据集：领域专业知识数据集、领域基础知识问答数据集和领域知识聊天数据集，并将处理后的数据存储起来；通过问题判断中的匹配规则对问题文本进行分类；根据问题的类别制定不同的答案检索方法，从领域专业知识数据集构建“领域专业知识语义数据”，通过关键词提取和模板匹配获得知识图谱中的专业答案；从领域基础知识问答数据集构建“领域基础知识问答语义数据”，并使用句向量相似度算法获得领域知识聊天数据集的最佳答案，以训练Seq2Seq中文对话模型，作为知识图谱问答策略的补充； 构建Seq2Seq中文对话模型如下： 基于Transformer模型的双向编码器表示Bert模型将文本中无法直接计算的词语转换为向量或矩阵； Bert模型的第一阶段称为“预训练”，即使用未标记的语料库训练语言模型；第二阶段称为“微调”；使用预先训练的语言模型来完成特定的NLP下游任务；Bert模型的最后一层的值与训练任务的目标值接近，选择Bert倒数第二层作为句子向量；使用领域基础知识问答数据集对Bert进行微调； 引入Seq2Seq模型接受输入句子，即向量序列，其输出也是向量序列；在编码器-解码器框架中，编码器将序列转换为固定长度向量，然后解码器将该向量转换为所需序列并输出；LSTM模型用于编码器和解码器； 添加注意力机制，允许编码器所编译的向量根据解码器当前解码的内容进行实时动态调整；语义向量不断调整权重以输入不同的语义向量，增强神经网络的记忆能力，来完成复杂的序列到序列的学习任务； 向量空间中两个向量之间角度的余弦值用于测量两个个体之间的差异；余弦值越接近1，即夹角越接近0°，表明两个向量更相似；相反，余弦度越接近0，也就是说，夹角越接近90°，两个向量就越不相似；通过计算句子向量之间的余弦距离来获得句子之间的相似性；计算二维向量a和b的余弦的方程如式1所示： ， 将式1中的向量a和b扩展到n维，向量之间夹角的余弦计算如式2所示: 。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。