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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東工業(yè)大學(xué);中山市中醫(yī)院申請的專利一種基于知識增強與推理優(yōu)化的醫(yī)學(xué)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：CN120104733B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202510153096.3，技術(shù)領(lǐng)域涉及：G06F16/3329；該發(fā)明授權(quán)一種基于知識增強與推理優(yōu)化的醫(yī)學(xué)問答方法及系統(tǒng)是由吳菊華;李慶;林凱旋;洪慧斯;陳文戈;陶雷設(shè)計研發(fā)完成，并于2025-02-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于知識增強與推理優(yōu)化的醫(yī)學(xué)問答方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提出一種基于知識增強與推理優(yōu)化的醫(yī)學(xué)問答方法及系統(tǒng)，涉及人工智能與醫(yī)學(xué)信息處理的技術(shù)領(lǐng)域，方法包括獲取醫(yī)學(xué)語料庫，對醫(yī)學(xué)語料庫進行預(yù)處理，得到預(yù)處理后的醫(yī)學(xué)語料庫；利用預(yù)處理后的醫(yī)學(xué)語料庫對預(yù)設(shè)的語言模型進行訓(xùn)練，得到用于輸出語義向量的醫(yī)學(xué)問答初始模型；利用預(yù)設(shè)的知識圖譜生成知識嵌入向量，將知識嵌入向量與語義向量融合，得到融合向量；將融合向量作為醫(yī)學(xué)問答初始模型的輸入，對醫(yī)學(xué)問答初始模型進行微調(diào)，得到微調(diào)模型；對微調(diào)模型進行推理優(yōu)化，得到訓(xùn)練好的醫(yī)學(xué)問答模型；將待處理的醫(yī)學(xué)問題輸入醫(yī)學(xué)問答模型，輸出答案預(yù)測結(jié)果。本發(fā)明能夠有效提高醫(yī)學(xué)問答效率、準確性和可靠性。

本發(fā)明授權(quán)一種基于知識增強與推理優(yōu)化的醫(yī)學(xué)問答方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于知識增強與推理優(yōu)化的醫(yī)學(xué)問答方法，其特征在于，包括以下步驟： S1.獲取醫(yī)學(xué)語料庫，對所述醫(yī)學(xué)語料庫進行預(yù)處理，得到預(yù)處理后的醫(yī)學(xué)語料庫； S2.利用預(yù)處理后的醫(yī)學(xué)語料庫對預(yù)設(shè)的語言模型進行訓(xùn)練，得到用于輸出語義向量的醫(yī)學(xué)問答初始模型； S3.利用預(yù)設(shè)的知識圖譜生成知識嵌入向量，將所述知識嵌入向量與所述語義向量融合，得到融合向量； S4.將所述融合向量作為所述醫(yī)學(xué)問答初始模型的輸入，對所述醫(yī)學(xué)問答初始模型進行微調(diào)，得到微調(diào)模型； S5.對所述微調(diào)模型進行推理優(yōu)化，得到訓(xùn)練好的醫(yī)學(xué)問答模型； S6.將待處理的醫(yī)學(xué)問題輸入所述醫(yī)學(xué)問答模型，輸出答案預(yù)測結(jié)果； 所述語言模型包括輸入層、Transformer編碼層和輸出層，所述輸入層連接Transformer編碼層的輸入端，Transformer編碼層的輸出端連接所述輸出層，所述輸入層將所述輸入序列表示為嵌入矩陣輸入至所述Transformer編碼層，所述Transformer編碼層包括多層Transformer編碼器，每一層Transformer編碼器利用多頭自注意力機制和前饋神經(jīng)網(wǎng)絡(luò)對所述嵌入矩陣進行編碼，得到編碼輸出結(jié)果； 利用第一訓(xùn)練總損失函數(shù)對所述語言模型進行訓(xùn)練，所述第一訓(xùn)練總損失函數(shù)的計算表達式為： 其中，為用于控制掩碼語言模型任務(wù)權(quán)重的超參數(shù)，為用于控制下一句預(yù)測任務(wù)權(quán)重的超參數(shù)；為訓(xùn)練掩碼語言模型任務(wù)的損失函數(shù)，為訓(xùn)練下一句預(yù)測任務(wù)的損失函數(shù)； 利用第二訓(xùn)練總損失函數(shù)對所述醫(yī)學(xué)問答初始模型進行微調(diào)，所述第二訓(xùn)練總損失函數(shù)的計算表達式如下： 其中，為回答生成的優(yōu)化目標損失函數(shù)，為語義損失函數(shù)； 所述優(yōu)化目標損失函數(shù)的計算表達式如下： 其中，（.）為概率分布函數(shù)，為生成的真實答案詞的總數(shù)，為第個樣本中第個生成的真實答案詞，為第個樣本中的歷史生成序列，為第個醫(yī)學(xué)問題的輸入序列，為模型參數(shù)； 所述語義損失函數(shù)的計算表達式如下： 其中，為答案語義嵌入函數(shù)，為樣本總數(shù)，為問題對應(yīng)的真實答案，為微調(diào)模型生成的答案，.表示向量的范數(shù)。

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)人廣東工業(yè)大學(xué);中山市中醫(yī)院，其通訊地址為：510080 廣東省廣州市越秀區(qū)東風東路729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)”。