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！

龙图腾网获悉中南大学申请的专利一种面向矿山领域强事实约束需求的文本生成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：CN121524339B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610044925.9，技术领域涉及：G06F16/335；该发明授权一种面向矿山领域强事实约束需求的文本生成方法及系统是由盛津芳;邓辉;陈新;张金钟;王斌;何龙飞;邱贤阳;史秀志设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本一种面向矿山领域强事实约束需求的文本生成方法及系统在说明书摘要公布了：本发明涉及文本生成技术领域，公开了一种面向矿山领域强事实约束需求的文本生成方法及系统，包括：构建矿山领域知识图谱，在知识图谱中定义矿山领域核心实体、实体间核心关系，并基于矿山领域核心实体与实体间核心关系构建核心事实集合，基于核心事实集合建立专属事实库；获取用户查询对应的候选检索文档，对候选检索文档进行命名实体识别得到文档关键实体信息，计算文档关键实体信息与专属事实库的匹配度，并基于匹配度筛选出参考文档；将参考文档整合为结构化提示词，将结构化提示词输入模型输出初始文本，并对初始文本进行后验校验纠错得到符合矿山领域强事实约束的最终文本；本发明解决了现有的文本生成方式存在事实偏差的问题。

本发明授权一种面向矿山领域强事实约束需求的文本生成方法及系统在权利要求书中公布了：1.一种面向矿山领域强事实约束需求的文本生成方法，其特征在于，包括： S1、构建矿山领域知识图谱，在所述知识图谱中定义矿山领域核心实体、实体间核心关系，并基于所述矿山领域核心实体与所述实体间核心关系构建核心事实集合，基于所述核心事实集合建立专属事实库； S2、获取用户查询指令对应的候选检索文档，对所述候选检索文档进行命名实体识别得到文档关键实体信息，计算所述文档关键实体信息与专属事实库的匹配度，并基于匹配度从候选检索文档中筛选Top-k文档，基于预设选取数量筛选匹配度排序靠前的Top-k文档作为参考文档，k为预设选取数量； S3、将所述参考文档与专属事实库中的核心事实集合整合为结构化提示词，将所述结构化提示词输入大语言模型中，利用大语言模型从专属事实库中输出初始文本，并对所述初始文本进行后验校验纠错得到符合矿山领域强事实约束的最终文本； 在S2中，计算所述文档关键实体信息与专属事实库的匹配度，并基于匹配度从候选检索文档中筛选Top-k文档，包括： 遍历专属事实库中的核心事实集合，将所述文档关键实体信息与核心事实集合输入语义匹配度模型，并设定匹配度阈值，过滤所述核心事实集合中匹配度低于匹配度阈值的事实文档，得到候选检索文档以及候选检索文档与所述文档关键实体信息间的匹配度得分； 将所述候选检索文档与文档关键实体信息输入语义相关性模型，得到所述候选检索文档与文档关键实体信息间的语义相关性得分； 基于匹配度得分和语义相关性得分采用加权融合算法计算所述候选检索文档与文档关键实体信息间的最终得分，并根据最终得分筛选Top-k文档，加权融合算法计算满足如下关系式： ； 其中，、是最终得分计算中的超参数，为评估模型输出的语义相关性得分，为文档与核心事实的匹配度得分，为最终得分； 其中，Top-k文档为得分从高到低的候选检索文档，k为预设选取数量； 所述语义相关性模型基于最大化反思令牌进行训练，训练目标为最大化反思令牌的条件概率似然，训练公式为： ； 其中，是语义相关性模型，是期望算子，对训练数据集中的样本取平均，是训练数据集，包含样本，是任务输入、是生成文本、是ReflectionToken用于表示段落的相关性和准确性，是对数概率，为期望值。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。