买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州齐圣科技有限公司申请的专利一种结合企业画像的LLM问题优化方法、介质及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119046447B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411554199.2，技术领域涉及：G06F16/3329；该发明授权一种结合企业画像的LLM问题优化方法、介质及系统是由李浩博;郑晓峰;羊燕钧;何平;袁堆堆设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种结合企业画像的LLM问题优化方法、介质及系统在说明书摘要公布了：本发明提供了一种结合企业画像的LLM问题优化方法、介质及系统，属于企业画像技术领域，包括：首先,系统构建了包含企业基本信息、业务领域、产品服务等内容的企业知识图谱。然后,系统提取用户提问中的关键词,并在知识图谱中匹配相关节点和关系,形成初步的企业画像要素。之后,系统利用HyperLogLog算法和Word2Vec模型,对关键词与企业画像要素的相关度进行评估,并进行语义扩展,得到更广泛的企业画像要素。最后,系统融合问题文本和企业画像要素,生成优化后的提示语,输入到语言模型中获取初步回答,并基于企业画像要素对回答进行后处理,输出最终的优化结果，解决了LLM回答与提问者期望回答存在偏差的技术问题。

本发明授权一种结合企业画像的LLM问题优化方法、介质及系统在权利要求书中公布了：1.一种结合企业画像的LLM问题优化方法，其特征在于，包括以下步骤： S10、构建企业知识图谱，包含企业基本信息、业务领域、产品服务、组织架构、核心技术、市场定位、竞争优势、发展战略以及合作伙伴； S20、获取提问者的问题文本，并提取所述问题文本中的关键词集合； S30、对于所述关键词集合中的每个关键词，在所述企业知识图谱中进行匹配，将匹配度大于第一阈值的企业知识图谱的节点和关系作为企业画像要素，记为第一要素； S40、采用HyperLogLog算法对所述第一要素进行基数估计，快速评估每个关键词与所述第一要素的相关度； S50、利用Word2Vec模型，结合模拟退火算法，以相关度大于第二阈值的关键词为种子，对所述种子进行语义扩展，得到语义相关的扩展关键词集合； S60、基于所述扩展关键词集合，在所述企业知识图谱中进行二次匹配，将匹配度大于第三阈值的企业知识图谱的节点和关系作为企业画像要素，记为第二要素； S70、利用预先训练好的prompt生成模型，输入所述问题文本、所述第二要素进行融合，生成优化后的prompt； S80、将所述优化后的prompt输入到LLM模型中，获取初步回答，并基于所述第二要素对初步回答进行后处理，包括实体对齐、事实核查和内容补充，最终输出与企业画像高度相关的优化后回答结果； 其中，所述企业知识图谱表示为：G＝V,E,其中V表示节点集合,E表示边集合；节点v∈V代表企业的各类信息实体,至少包括产品、业务领域、组织架构；边e∈E代表实体之间的语义关系,至少包括”属于”、“合作”； 其中，关键词提取的方法采用基于词频统计的关键词抽取： 其中,TFki表示关键词ki在提问者的问题文本Q中的词频,fki,Q表示关键词ki在Q中出现的次数,|Q|表示问题文本的总词数，将TFki值排序并选取前n个作为关键词集合K，其中问题文本中的关键词集合K＝{k1,k2,...,kn}； 其中，匹配度的计算表示为：其中,similarityki,v表示关键词ki与节点v之间的相似度； 其中，字符串相似度使用编辑距离或余弦相似度；语义相似度利用预训练的词向量模型； 其中，采用HyperLogLog算法对所述第一要素进行基数估计，具体是：HyperLogLog算法首先将每个元素xi通过哈希函数h映射到一个32位的随机数hxi,然后记录下hxi的最高位连续0的个数ρ即ρhxi；最后,通过ρ值的平均来估计基数其中,m为桶的数量,αm为修正常数； 其中，模拟退火算法的目标函数定义为: 其中,表示关键词ki和kj的词向量余弦相似度；为关键词ki的词向量表示，为关键词kj的词向量表示；表示是一个d维的实数向量，d表示ki的词向量的维度； 其中，所述prompt生成模型采用Transformer的生成式语言模型作为基础模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州齐圣科技有限公司，其通讯地址为：310000 浙江省杭州市余杭区良渚街道洋帆商务中心4幢201室-1；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。