買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜貴州財經大學申請的專利基于深度學習的知識圖譜構建及智能問答方法和裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119691135B 。

龍圖騰網通過國家知識產權局官網在2025-05-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510199171.X，技術領域涉及：G06F16/3329；該發明授權基于深度學習的知識圖譜構建及智能問答方法和裝置是由鄧明森;喻曦;汪杏雨;蔣合領;雷彬設計研發完成，并于2025-02-24向國家知識產權局提交的專利申請。

本基于深度學習的知識圖譜構建及智能問答方法和裝置在說明書摘要公布了：本發明提供一種基于深度學習的知識圖譜構建及智能問答方法和裝置。該方法包括；獲取目標文本數據；對目標文本數據進行信息提取，生成實體關系數據，所述實體關系數據包括關鍵數據、實體數據以及用于指示實體之間的關系的關系數據；根據實體關系數據，將目標文本數據導入圖數據庫，形成知識圖譜；獲取所輸入的問題語句；利用問句分類模型對問題語句進行分類，確定問題語句中的問句特征，問句特征包括問句類型和問句實體數據；在知識圖譜中檢索與問句特征相匹配的文本數據，作為問題語句的答案數據。本發明提高了公開文本信息檢索效率，提高了智能問答的準確度。

本發明授權基于深度學習的知識圖譜構建及智能問答方法和裝置在權利要求書中公布了：1.一種基于深度學習的知識圖譜構建及智能問答方法，其特征在于，包括以下步驟：獲取目標文本數據；對所述目標文本數據進行信息提取，生成實體關系數據，所述實體關系數據包括關鍵數據、實體數據以及用于指示實體之間的關系的關系數據；根據所述實體關系數據，將所述目標文本數據導入預設的圖數據庫，形成知識圖譜；獲取所輸入的問題語句；利用預先建立的問句分類模型對所述問題語句進行分類，確定所述問題語句中的問句特征，所述問句特征包括問句類型和問句實體數據；在所述知識圖譜中檢索與所述問句特征相匹配的文本數據，作為所述問題語句的答案數據；所述根據所述實體關系數據，將所述目標文本數據導入預設的圖數據庫，形成知識圖譜，包括：根據圖譜節點的節點類型和關系類型，針對節點類型符合預設的重要節點條件的節點配置第一掩碼比例，針對節點類型符合預設的輔助節點條件的節點配置第二掩碼比例，以形成掩碼數據，其中，所述第一掩碼比例低于所述第二掩碼比例；結合預設的多任務學習機制，利用所述掩碼數據對預先建立的編碼器-解碼器結構進行預訓練，其中，所述編碼器-解碼器結構包含第三編碼器和解碼器，所述第三編碼器用于指示將所述知識圖譜所指示的異構圖數據轉換為特征向量，所述解碼器用于指示將所述特征向量重建圖結構；基于預訓練后的編碼器-解碼器結構，構建分類器；利用所述特征向量以及由當前的任務需求確定的任務特征向量，對所述分類器進行訓練，使得利用訓練后的分類器優化所述知識圖譜；其中，對所述目標文本數據進行信息提取，生成實體關系數據過程中，采用多層級的信息提取架構：在第一層級，通過深度學習模型提取文本的關鍵數據；在第二層級，聚焦于實體數據的識別和提?。辉诘谌龑蛹墸赜陉P系數據的抽??；整個信息提取過程是一個遞進的過程，每個層級的輸出作為下一層級的輸入或輔助信息；其中，利用訓練數據對第二編碼器進行訓練，得到關系抽取模型，該第二編碼器采用基于BERT的編碼器結構，引入了設計：實體位置感知機制：在輸入層加入實體位置編碼；多任務學習框架：同時進行關系分類和關系有效性判斷；對抗訓練策略：提高模型的魯棒性；注意力機制：重點關注實體間的上下文信息。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人貴州財經大學，其通訊地址為：550000 貴州省貴陽市花溪大學城；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。