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！

申请/专利权人：北京龙软科技股份有限公司;北京大学

摘要：本发明公开了一种基于多维时空信息矢量图形的互生成式人工智能系统，涉及人工智能和工程应用领域。基于地理信息系统（GIS）或计算机辅助设计（CAD）平台及数据源，构建多维矢量时空大模型端、多维时空信息处理智能体端和智能信息系统应用端，针对二三维矢量及时态等多维时空数据，预训练具有对工程专业知识体系、数据处理流程、多维矢量图形和专题图文文档理解能力的多模态时空大模型，实现工程多维矢量图形与专题图文文档的相互表达和生成，形成智能化的工程图文数据处理应用。本发明通过建立工程领域的人工智能系统，将彻底解放工程技术人员，为相关工程领域语音、文字与工程多维矢量图形、专题图文文档的自动快速互处理提供智能化系统支撑。

主权项：1.基于多维时空信息矢量图形的互生成式人工智能系统，其特征在于，所述互生成式人工智能系统包括：多维矢量时空大模型端、多维时空信息处理智能体端和智能信息系统应用端；所述多维矢量时空大模型端，用于多种时空数据类型统一建模表达，构建多模态的矢量时空大模型，所述矢量时空大模型用于多维矢量时空数据与包括语音、文字在内的自然语言描述的理解与分析，强化对工程领域知识及数据处理流程的处理能力，所述多种时空数据类型包括：文字、语音、图像、视频以及多维矢量图形；所述多维时空信息处理智能体端，用于基于所述矢量时空大模型的学习推理能力，并结合地理信息系统GIS或计算机辅助设计CAD平台的处理分析能力，学习并参考典型业务流程的任务执行过程，对各类多维时空数据处理交互的业务流程任务自动分析、拆解为简单的子任务，并自主执行、传递并解决所述子任务；所述智能信息系统应用端，用于基于所述矢量时空大模型的推理理解能力，将各类多维时空数据转换为对应的自然语言描述，通过包括语音、文字在内的简单输入方式，完成智能体驱动的工程领域的多维矢量图形和专题图文文档的交互、分析和互生成，并通过所述矢量时空大模型的推理和智能体的处理能力，准确获取所述多维时空数据中的参数，自动更新相关多维时空数据，进而实现所述多维矢量图形或所述专题图文文档的自动生成和更新；所述多维矢量时空大模型端构建所述矢量时空大模型的过程包括：所述多维矢量时空数据的自然语言描述、所述矢量时空大模型的预训练与微调、所述多维矢量时空数据的理解与分析；其中，所述多维矢量时空大模型端将工程垂直领域数据作为预训练数据集对通用大模型加以微调，通过扩充工程垂直领域词表，利用工程领域数据集进行通用大模型的预训练，强化对工程领域知识及数据处理流程的理解与执行能力；所述多维矢量时空大模型端将具有明确工程特色数据的处理流程进行描述，定义工程数据处理流程语言，将统一表述的工程领域数据处理流程作为微调数据集对所述通用大模型进行训练，强化所述通用大模型对工程领域数据处理流程的理解与执行能力；所述多维矢量时空数据的自然语言描述包括但不限于地理信息系统GIS、计算机辅助制图CAD在内的各领域具有连续空间时态（x，y，z，t）信息及属性信息的点、线、面、体各个类型的矢量时空数据，按照所述矢量时空大模型的训练、理解、处理的需要，按自然语言方式进行描述转换，转换后的自然语言描述具有原始矢量时空数据的全部信息，包括但不限于矢量对象的几何类型、几何特征、显示风格、基准点坐标、基于基准点的相对几何数据、时态信息、属性信息；所述矢量时空大模型预训练与微调包括：建立包含所述多维矢量时空数据自然语言描述和矢量对象特征的数据集，基于所述预训练数据集、所述微调数据集对所述通用大模型不断预训练和模型微调，形成具有矢量时空数据理解能力的矢量时空大模型；所述多维矢量时空数据的理解与分析包括：为所述矢量时空大模型输入自然语言描述的矢量时空数据，所述矢量时空大模型输出理解的矢量对象的特征，以及为所述矢量时空大模型输入矢量对象的部分特征，所述矢量时空大模型输出理解或分析的完整矢量时空数据，以及基于输出的矢量对象时空特征或数据，通过所述矢量时空大模型的分析能力，进一步完成矢量时空数据几何特征的理解与处理、属性特征的理解与处理、空间关系的判别与处理、时空关系的判别与处理；其中，所述矢量时空数据几何特征的理解与处理包括：对矢量对象自身的几何坐标的处理；所述矢量时空数据属性特征的理解与处理包括：对矢量对象自身的属性信息的处理；所述矢量时空数据空间关系的判别与处理包括：矢量对象之间的拓扑空间关系、顺序空间关系和度量空间关系；其中，建立包含所述多维矢量时空数据自然语言描述和矢量对象特征的数据集，基于所述预训练数据集、所述微调数据集对所述通用大模型不断预训练和模型微调，具体包括如下步骤：步骤T1：收集海量矢量时空数据以及对应的矢量时空数据文本自然语言描述、矢量对象特征描述，形成矢量时空训练数据集，其中矢量时空数据包括点、线、面、体预定义几何结构信息以及与几何体相对应的属性文本信息；步骤T2：利用所述矢量时空训练数据集，以所述通用大模型为基座进行预训练，通过随机游走进行矢量文本采样作为训练样本，以GPT生成式输入所述通用大模型进行模型微调；步骤T3：收集包括矢量数据-拓扑关系、矢量数据-属性信息、属性描述-矢量数据的多种问答模式数据，形成矢量时空模型微调数据集，对步骤T2中预训练的通用大模型进行微调；所述多维时空信息矢量处理智能体端包括：任务规划模块，所述任务规划模块根据任务描述，在工程流程库中检索相似任务，任务规划模块中的任务规划方式包括无反馈规划和有反馈规划，其中反馈来自环境、用户或者矢量时空大模型的执行结果，将业务流程分解为多个子任务执行；所述智能信息系统应用端实现对所述多维矢量图形和各类多维时空数据的人工智能理解，以及对多维矢量图形和专题图文文档交互、分析和互生成的步骤包括：对多维时空数据的处理及理解、对多维时空数据处理智能体的生成、对多维矢量图形和专题图文文档的互生成，具体包括如下步骤：步骤S1：将多维时空数据输入所述智能信息系统应用端，将多维时空数据转换为所述矢量时空大模型可处理的自然语言描述，基于所述矢量时空大模型的推理理解能力，对所述多维时空数据中多维时空信息矢量数据和时态数据的人工智能解析和理解；步骤S2：通过包括语音输入、文本输入在内的交互式方式输入用户指令；基于所述矢量时空大模型的理解、分析、处理能力，将所述自然语言描述的用户指令输入，转换为格式化的信息系统数据编辑、查询、分析、输出指令，生成多维时空数据处理智能体；步骤S3：基于所述多维时空信息处理智能体，利用其融合调用及多轮执行，实现自动化、智能化的多维矢量图形、专题图文文档的自动生成、双向更新互生成式人工智能应用，实现对所述多维矢量图形和各类多维时空数据的互生成；生成所述多维矢量图形或专题图文文档包括：准确获取多维矢量时空数据中的参数，最后将参数与模板融合，生成多维矢量图形或专题图文文档。

全文数据：

权利要求：

百度查询： 北京龙软科技股份有限公司 北京大学 基于多维时空信息矢量图形的互生成式人工智能系统