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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華中科技大學(xué)申請的專利一種基于知識圖譜增強思維鏈提示的大語言模型聯(lián)合推理方法獲國家發(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：CN118940840B 。

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：202410983442.6，技術(shù)領(lǐng)域涉及：G06N5/04；該發(fā)明授權(quán)一種基于知識圖譜增強思維鏈提示的大語言模型聯(lián)合推理方法是由趙峰;趙瑞麟;王隆設(shè)計研發(fā)完成，并于2024-07-22向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于知識圖譜增強思維鏈提示的大語言模型聯(lián)合推理方法在說明書摘要公布了：本發(fā)明屬于自然語言推理相關(guān)技術(shù)領(lǐng)域，其公開了一種基于知識圖譜增強思維鏈提示的大語言模型聯(lián)合推理方法，包括：構(gòu)建局部知識子圖，將原始問題文本分解為S個子問題文本并對原始問題文本和S個子問題文本進行拼接，將拼接后的問題文本輸入圖推理模型，得到加權(quán)實體分布，從加權(quán)實體分布中抽取置信度最高的前G個答案實體，利用推理轉(zhuǎn)移矩陣回溯各答案實體的推理過程，生成從問題實體到對應(yīng)的答案實體的推理路徑，利用推理路徑輔助大語言模型預(yù)測原始問題文本的答案。通過以上方法，可以使得大語言模型能夠快速準(zhǔn)確地找到問題文本的答案。

本發(fā)明授權(quán)一種基于知識圖譜增強思維鏈提示的大語言模型聯(lián)合推理方法在權(quán)利要求書中公布了：1.一種基于知識圖譜增強思維鏈提示的大語言模型聯(lián)合推理方法，其特征在于，包括： 抽取原始問題文本中的問題實體，從知識圖譜中抽取所述問題實體多跳鄰域內(nèi)的所有知識三元組，形成局部知識子圖，所述多跳鄰域的跳躍步數(shù)為T步，每一步對應(yīng)一個推理階段，T為大于1的正整數(shù)； 將所述原始問題文本分解為S個子問題文本并對原始問題文本和S個子問題文本進行拼接，得到拼接問題文本，S≤T； 將所述拼接問題文本輸入圖推理模型，得到加權(quán)實體分布所述圖推理模型包含： 問題編碼器，用于將所述拼接問題文本轉(zhuǎn)換為問題嵌入表示p和隱藏層表示Hq； T個交叉注意力模塊，分別用于計算所述p的交叉注意力表示t為推理階段的編號，t＝1,2,……,T； 表示融合模塊，用于融合和pt-1，得到t階段的推理嵌入表示pt； 矩陣變換模塊，用于使所述pt依次經(jīng)過多層感知機和非線性激活函數(shù)處理，得到關(guān)系分布矩陣Rt，Rt中的不同元素表示所述知識圖譜中不同連接邊的置信度； 矩陣轉(zhuǎn)移模塊，用于根據(jù)所述Rt構(gòu)建推理轉(zhuǎn)移矩陣Wt，所述Wt中的不同元素表示所述局部知識子圖中的不同連接邊的置信度； 實體分布輸出模塊，用于將實體分布et-1與所述Wt相乘得到表示第t步各實體置信度的實體分布et后、再將所有階段的實體分布進行加權(quán)求和，得到加權(quán)實體分布并輸出，中的每個元素表示不同實體為答案實體的置信度； 從所述加權(quán)實體分布中抽取置信度最高的前G個答案實體，利用推理轉(zhuǎn)移矩陣回溯各答案實體的推理過程，生成從所述問題實體到對應(yīng)的答案實體的推理路徑，G為正整數(shù)； 利用所述推理路徑輔助大語言模型預(yù)測所述原始問題文本的答案。

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)人華中科技大學(xué)，其通訊地址為：430074 湖北省武漢市洪山區(qū)珞喻路1037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)”。