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！

龙图腾网获悉江西财经大学申请的专利轻量化医疗问答系统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：CN120181141B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510662894.9，技术领域涉及：G06N3/0455；该发明授权轻量化医疗问答系统构建方法是由赵爱华;彭垚龙;汪雯雯;刘玥设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本轻量化医疗问答系统构建方法在说明书摘要公布了：本发明提出一种轻量化医疗问答系统构建方法，以轻量化Transformer模型作为基础模型，并构建预存答案库，将医疗问题对应唯一的目标回答作为正样本，从训练集中选取与医疗问题具有相关关键词但上下文语义不同的回答作为硬负样本，从训练集中随机选取若干回答作为简单负样本；采用对比学习的方式对基础模型进行训练，得到训练后的模型，在训练后的模型输出部分设置临时检索后处理模块，得到轻量化医疗问答系统。本发明通过在训练过程中引入更具挑战性的负样本，并对正样本施加更高的权重，本发明能够通过数学优化手段，有效地提升模型在嵌入空间中对细微语义差异的区分能力。

本发明授权轻量化医疗问答系统构建方法在权利要求书中公布了：1.一种轻量化医疗问答系统构建方法，其特征在于，所述方法包括如下步骤： 步骤1、基于Transformer模型，对Transformer模型的模编器层数以及注意力头数进行简化，并在模编器输出端插入池化层，得到轻量化Transformer模型，以轻量化Transformer模型作为基础模型，并构建预存答案库，给定训练集，训练集包括覆盖检查、预防、治疗、症状的若干医疗问答对，医疗问答对包括医疗问题以及对应唯一的目标回答； 步骤2、将医疗问题对应唯一的目标回答作为正样本，从训练集中选取与医疗问题具有相关关键词但上下文语义不同的回答作为硬负样本，从训练集中随机选取若干回答作为简单负样本； 步骤3、将训练集输入基础模型，获取问题嵌入向量、正样本嵌入向量、简单负样本嵌入向量以及硬负样本嵌入向量，将正样本嵌入向量、简单负样本嵌入向量以及硬负样本嵌入向量存于预存答案库内； 步骤4、根据问题嵌入向量分别与正样本嵌入向量和简单负样本嵌入向量的相似度构建正样本损失函数，根据问题嵌入向量与硬负样本嵌入向量的相似度构建硬负样本损失函数，将正样本损失函数和硬负样本损失函数加权联合构建联合损失函数； 步骤5、将联合损失函数输入至Adam优化器，设置Adam优化器权重衰减策略和学习策略，以最大化问题嵌入向量与目标回答相似度，以及最小化问题嵌入向量与非目标回答的相似度作为优化目标对基础模型参数进行优化，优化完成后，得到训练后的模型； 步骤6、在训练后的模型输出部分设置临时检索后处理模块，得到轻量化医疗问答系统，并利用轻量化医疗问答系统进行医疗问答； 在所述步骤4中，正样本损失函数关系式如下： ； 其中，表示正样本损失函数，表示问题与目标回答的相似度得分，表示医疗问题，表示医疗问题对应唯一的目标回答，表示问题与目标回答的相似度，表示简单负样本集合，表示问题与简单负样本的相似度，表示正样本和简单负样本的相似度总和，表示温度系数； 硬负样本损失函数关系式如下： ； 其中，表示硬负样本损失函数，表示硬负样本集合，表示问题与硬负样本的相似度，表示正样本和硬负样本的相似度总和，表示温度系数； 将正样本损失函数和硬负样本损失函数加权联合对应的过程存在如下关系式： ； 其中，表示正样本损失函数和硬负样本损失函数的加权联合损失函数； 在所述步骤5中，学习策略包括有热身阶段和余弦衰减阶段，其中热身阶段定义为训练步数的前百分之十，且在热身阶段中，学习率从0开始线性增加到预设的最大学习率；在余弦衰减阶段，学习率按余弦函数进行衰减； 热身阶段中，学习率的计算过程存在如下关系式： ； 其中，表示学习率，表示当前训练步数，表示热身阶段的总步数，表示预设的最大学习率； 余弦衰减阶段，学习率的计算过程存在如下关系式： ； 其中，表示预设的最小学习率，表示总训练步数，表示圆周率。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。