買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜山東省計算中心(國家超級計算濟(jì)南中心);齊魯工業(yè)大學(xué)(山東省科學(xué)院);山東山科智能科技有限公司;山東浪潮智慧醫(yī)療科技有限公司;山東健康醫(yī)療大數(shù)據(jù)有限公司申請的專利基于語義向量優(yōu)化和動態(tài)提示的智能問答方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119557407B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510111798.5，技術(shù)領(lǐng)域涉及：G06F16/3329；該發(fā)明授權(quán)基于語義向量優(yōu)化和動態(tài)提示的智能問答方法及系統(tǒng)是由劉祥志;李傳祥;侯冬冬;馬俊朋;周毅;姜鑫昊;馬良;滿佳政;吳曉明;許贊;董云峰;亓蓓;劉杰設(shè)計研發(fā)完成，并于2025-01-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于語義向量優(yōu)化和動態(tài)提示的智能問答方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了基于語義向量優(yōu)化和動態(tài)提示的智能問答方法及系統(tǒng)，方法包括：將目標(biāo)問題，輸入到訓(xùn)練后的問答模型中，得到目標(biāo)問題對應(yīng)的答案；其中，訓(xùn)練后的問答模型，包括依次連接的輸入層、嵌入層、語義向量生成模塊、特征壓縮模塊、動態(tài)提示生成模塊、答案生成模塊、線性層和激活函數(shù)層；其中，特征壓縮模塊的輸出端還與RAG檢索模塊的輸入端連接，RAG檢索模塊的輸出端與動態(tài)提示生成模塊的輸入端連接；所述訓(xùn)練后的問答模型，訓(xùn)練過程包括：構(gòu)建語義向量生成模塊，對語義向量生成模塊進(jìn)行預(yù)訓(xùn)練；將經(jīng)過預(yù)訓(xùn)練的語義向量生成模塊，設(shè)置到問答模型中，對問答模型進(jìn)行訓(xùn)練，當(dāng)總損失函數(shù)值不再下降時，停止訓(xùn)練，得到訓(xùn)練后的問答模型。

本發(fā)明授權(quán)基于語義向量優(yōu)化和動態(tài)提示的智能問答方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于語義向量優(yōu)化和動態(tài)提示的智能問答方法，其特征是，包括：獲取目標(biāo)問題；將目標(biāo)問題，輸入到訓(xùn)練后的問答模型中，得到目標(biāo)問題對應(yīng)的答案；其中，訓(xùn)練后的問答模型，包括：依次連接的輸入層、嵌入層、語義向量生成模塊、特征壓縮模塊、動態(tài)提示生成模塊、答案生成模塊、線性層和激活函數(shù)層；其中，特征壓縮模塊的輸出端還與RAG檢索模塊的輸入端連接，RAG檢索模塊的輸出端與動態(tài)提示生成模塊的輸入端連接；所述訓(xùn)練后的問答模型，訓(xùn)練過程包括：構(gòu)建語義向量生成模塊，對語義向量生成模塊進(jìn)行預(yù)訓(xùn)練；將經(jīng)過預(yù)訓(xùn)練的語義向量生成模塊，設(shè)置到問答模型中，對問答模型進(jìn)行訓(xùn)練，當(dāng)總損失函數(shù)值不再下降時，停止訓(xùn)練，得到訓(xùn)練后的問答模型；其中，所述構(gòu)建語義向量生成模塊，包括：（1-1）已知阿里千問Qwen2模型的骨干網(wǎng)絡(luò)，包括：n個依次串聯(lián)的Decoderlayer層；（1-2）將每個Decoderlayer層視為一個block層，得到n個block層；（1-3）為n個block層中的每一個block層設(shè)置初始權(quán)重；（1-4）根據(jù)每個block層的初始權(quán)重，計算出每個block層的概率分布；（1-5）將每個block層的概率分布與設(shè)定閾值進(jìn)行比較，如果低于設(shè)定閾值，則將該block層剔除；如果高于設(shè)定閾值，就將該block層保留；（1-6）將所有保留下來的block層，按照在阿里千問Qwen2模型中的排序，進(jìn)行依次串聯(lián)，得到語義向量生成模塊；（1-7）對語義向量生成模塊的每一個block層進(jìn)行操作，得到語義向量生成模塊的每一個block層的概率分布；（1-8）基于語義向量生成模塊的每一個block層的概率分布，和語義向量生成模塊的每一個block層輸出的特征向量，生成語義向量生成模塊輸出的最終嵌入表示。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東省計算中心(國家超級計算濟(jì)南中心);齊魯工業(yè)大學(xué)(山東省科學(xué)院);山東山科智能科技有限公司;山東浪潮智慧醫(yī)療科技有限公司;山東健康醫(yī)療大數(shù)據(jù)有限公司，其通訊地址為：250000 山東省濟(jì)南市歷下區(qū)科院路19號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。