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！

龍圖騰網恭喜浙江大學計算機創新技術研究院申請的專利一種基于語義對齊和分層Agent生成SQL的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：CN119377255B 。

龍圖騰網通過國家知識產權局官網在2025-05-13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：202411960119.3，技術領域涉及：G06F16/2452；該發明授權一種基于語義對齊和分層Agent生成SQL的方法和裝置是由趙瑤;方科彬;夏瑞晨;羅尚虎;梁敏;羅大偉;祝栗設計研發完成，并于2024-12-30向國家知識產權局提交的專利申請。

本一種基于語義對齊和分層Agent生成SQL的方法和裝置在說明書摘要公布了：本發明公開了一種基于語義對齊和分層Agent生成SQL的方法和裝置。本發明通過對教育數據庫的Schema信息進行增強處理，結合對用戶查詢問題的語義理解和語義映射，實現動態調用智能體Agents自主定義結構化查詢語言SQL生成的流程，然后執行生成的結構化查詢語言SQL查詢語句，捕捉生成結果，最終實現面向教育領域數據庫從簡單到復雜的快速查詢操作。本發明具有接近較高的查詢成功率，能夠有效地幫助用戶從復雜的數據庫結構中查詢到正確的結果，大幅提高了用戶的工作效率。

本發明授權一種基于語義對齊和分層Agent生成SQL的方法和裝置在權利要求書中公布了：1.一種基于語義對齊和分層Agent生成SQL的方法，其特征在于，包括：步驟1在用戶進行查詢時，將原始的用戶的查詢問題和包含若干教育信息表的教育數據庫進行語義信息對齊，包括信息增強、語義理解和語義映射處理，獲得有效的用戶的查詢問題及其相關的若干增強后的教育信息表，有效的用戶的查詢問題為原始的用戶的查詢問題或語義理解處理后的用戶的查詢問題；步驟2調用大模型智能體以使用大語言模型對有效的用戶的查詢問題及其相關的各個增強后的教育信息表進行處理，包括問題拆解、候選表選擇和候選字段選擇處理，獲得二次處理后的用戶的查詢問題及其相關的候選表和候選字段，二次處理后的用戶的查詢問題為有效的用戶的查詢問題或問題拆解后的有效的用戶的查詢問題；步驟3根據二次處理后的用戶的查詢問題相關的候選表和候選字段，使用常見問題解答FAQ方法生成結構化查詢語言SQL并進行反思，獲得最終的答復文本并反饋至用戶；所述的步驟1中，在進行語義信息對齊時，首先將教育數據庫中的各個教育信息表的定義信息Schema進行信息增強，加入關鍵信息和預設的特殊標記及其說明，從而獲得各個教育信息表的增強后的定義信息schemae；然后對用戶的查詢問題進行類別劃分后查詢重寫，獲得有效的用戶的查詢問題，并對增強后的各個教育信息表進行業務層級劃分處理，再將有效的用戶的查詢問題通過大語言模型進行語義映射后映射到相應的業務層級，從而在映射到的業務層級中查詢到有效的用戶的查詢問題的相關的若干增強后的教育信息表；所述的用戶的查詢問題進行類別劃分時，將用戶的查詢問題劃分為兩類，涉及時間術語的用戶的查詢問題劃分為時間混淆問題，將其它的用戶的查詢問題劃分為語義混淆問題；當查詢問題屬于時間混淆問題時，則在查詢問題中注入額外的時間信息Rt，包括當前時間和查詢問題中的起止時間；當查詢問題屬于語義混淆問題時，首先構建預設的歧義數據集D，歧義數據集D中包含若干帶有歧義的句子或短語，然后根據歧義數據集D對對話預訓練模型ChatGLM3進行微調，獲得微調后的對話預訓練模型Gt，將用戶的查詢問題輸入微調后的對話預訓練模型Gt中進行處理，進而判斷用戶的查詢問題是否存在歧義，若存在歧義則進行用戶的查詢問題的重寫，直至不存在歧義，獲得有效的用戶的查詢問題；所述的步驟2中，在進行候選表選擇時，首先創建選擇候選表大模型智能體，當二次處理后的用戶的查詢問題的相關的增強后的教育信息表的張數小于等于預設閾值時，則不調用選擇候選表大模型智能體，直接將各張相關的增強后的教育信息表作為二次處理后的用戶的查詢問題的候選表；當二次處理后的用戶的查詢問題的相關的增強后的教育信息表的張數大于預設閾值時，則根據二次處理后的用戶的查詢問題的各張相關的增強后的教育信息表及其增強后的定義信息schemae，使用大語言模型生成二次處理后的用戶的查詢問題的每張相關的增強后的教育信息表的特定描述，然后將二次處理后的用戶的查詢問題及其各張相關的增強后的教育信息表的特定描述通過大語言模型進行處理，最終選擇出二次處理后的用戶的查詢問題的若干候選表，將各個候選表注入大語言模型的指令Instruction信息中；所述的步驟2中，在進行候選字段選擇時，首先創建選擇候選字段大模型智能體，通過選擇候選字段大模型智能體使用大語言模型，并采用機器學習Few-Shot方法，在二次處理后的用戶的查詢問題的各個候選表中自動判斷選擇最相關的候選字段，將各個候選字段將注入到大語言模型的指令Instruction信息中；所述的步驟3中，使用常見問題解答FAQ方法，創建若干條常見問題及其對應的結構化查詢語言SQL結果，在查詢過程中，若用戶的查詢問題屬于常見問題，則將常見問題的結構化查詢語言SQL結果作為額外信息注入到大語言模型的指令Instruction中，并根據二次處理后的用戶的查詢問題及其候選字段通過大語言模型進行處理后生成最終可執行的結構化查詢語言SQL語句；然后對生成的結構化查詢語言SQL語句進行反思，在教育數據庫中執行生成的結構化查詢語言SQL語句，然后返回結構化查詢語言SQL的運行結果，若結構化查詢語言SQL正確執行，則認為結構化查詢語言SQL正確；若結構化查詢語言SQL執行失敗，則將結構化查詢語言SQL失敗的錯誤信息，以及當前失敗的結構化查詢語言SQL的查詢問題重新輸入到大語言模型中進行處理，從而重新生成新的結構化查詢語言；最終將執行后的重新生成新的結構化查詢語言通過大語言模型處理后輸出文本結果并返回給用戶。

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浙江大學計算機創新技術研究院，其通訊地址為：311200 浙江省杭州市蕭山區利一路188號天人大廈33樓；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”。