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！

龙图腾网获悉金叶天成(北京)科技有限公司申请的专利基于GraphRAG与LLM的医学知识图谱智能构建及检索方法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：CN119719383B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411766494.4，技术领域涉及：G06F16/36；该发明授权基于GraphRAG与LLM的医学知识图谱智能构建及检索方法是由郭奇;田立军设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本基于GraphRAG与LLM的医学知识图谱智能构建及检索方法在说明书摘要公布了：本发明公开了一种基于GraphRAG与LLM的医学知识图谱智能构建及检索方法。医学知识图谱智能构建方法包括数据收集与处理、分割文本、提取实体和关系、实体解析、识别弱连通分量、词距离过滤、LLM评估、生成元素摘要、生成图社区、生成社区摘要步骤。智能检索方法包括构建知识图谱向量库、构建文本向量库、用户问题实体提取与向量化处理、多层实体与关系检索、文本检索、LLM总结、输出结果、用户反馈收集步骤。本发明将GraphRAG与LLM大模型技术结合，实现了对医学信息的高效检索与精准呈现。该系统通过深度整合图结构化数据与自然语言处理能力，显著提升了医学文献检索的准确性与效率。

本发明授权基于GraphRAG与LLM的医学知识图谱智能构建及检索方法在权利要求书中公布了：1.一种基于GraphRAG与LLM结合的医学知识图谱智能构建方法，其特征在于：包括以下步骤： 步骤1：数据收集与处理：数据来源包括：学术论文、临床指南、药品说明书、健康资讯和专家访谈；由以下具体步骤组成： 步骤1-1：将数据转换为预设格式的文本数据，形成一条以上记录； 步骤1-2：数据清洗：计算每条记录的哈希值，将哈希值相同的记录保留一条，去除保留记录中的无用信息，无用信息包括特殊符号、乱码、页眉、页脚、日期，将保留记录转化为相应的医学文本； 步骤2：分割文本：将各医学文本以句号、分号、问号、感叹号、换行符为标志进行分割，得到1个以上文本块；各文本块中token数量小于文本块预设数值；相邻两个文本块之间的重叠token数为预设重叠token数量； 步骤3：提取实体和关系：利用LLM提取实体关系三元组，同时合并来自不同数据源的相同的实体关系三元组，建立图数据库； 步骤4：实体解析：由以下具体步骤组成： 步骤4-1：获取图数据库中三元组包含的实体和描述属性，获得与实体对应的文本嵌入向量； 步骤4-2：构建K-最近邻图： 将所有实体及其相应的文本嵌入向量投影至图数据库； 设置预定义的邻居数量topk，topk为各实体的关系数量； 实体间的相似度使用余弦相似度度量，其计算方法为： 其中，n表示向量的维度，i表示从1到n的索引，xi表示向量x在第i个维度上的值，yi表示向量y在第i个维度上的值； 在满足预设邻居数量topk和相似度预置条件两个实体间建立联系；构建K-最近邻图 步骤5：识别弱连通分量：在K-最近邻图中识别至少一个弱连通分量，弱连通分量中任意两个实体之间存在关系； 步骤6：词距离过滤：词距离为： 其中，是指示函数，当ai＝bj时，值为0，否则为1；a,b为为弱连通分量的两个实体；i，j分别为实体a和b中的位置序号； 缩减弱连通分量，使弱连通分量中实体的词距离均小于预设距离阈值； 步骤7：LLM评估：使用LLM评估决策弱连通分量中的实体是否合并，将决策合并的实体及相应的关系进行合并，得到更新的知识图谱； 步骤8：生成元素摘要：使用LLM为更新的知识图谱中的每个实体和关系生成元素摘要，并将将元素摘要存储为实体的属性； 步骤9：生成图社区：采用Leiden算法对实体进行分层级的社区划分，并对各层级社区建立相应实体； 步骤10：生成社区摘要：使用LLM依据社区实体和关系生成社区摘要，并将社区摘要存储为社区实体的属性；得到医学知识图谱。

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金叶天成(北京)科技有限公司，其通讯地址为：100010 北京市朝阳区朝阳北路白家楼甲1号北京红庄国际文化保税创新园区E-1-1；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”。