Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨航天恒星数据系统科技有限公司葛宝玉获国家专利权

哈尔滨航天恒星数据系统科技有限公司葛宝玉获国家专利权

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!

龙图腾网获悉哈尔滨航天恒星数据系统科技有限公司申请的专利一种基于知识图谱和因果关系的航天大模型可靠性增强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:CN119166828B

龙图腾网通过国家知识产权局官网在2025-07-25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:202411166746.X,技术领域涉及:G06F16/36;该发明授权一种基于知识图谱和因果关系的航天大模型可靠性增强方法是由葛宝玉;吴浩萌;吴敌;张博群;姜宇;梁冰茹;陆林设计研发完成,并于2024-08-23向国家知识产权局提交的专利申请。

一种基于知识图谱和因果关系的航天大模型可靠性增强方法在说明书摘要公布了:一种基于知识图谱和因果关系的航天大模型可靠性增强方法,属于航天信息提取技术领域。为提高航天领域大模型高可靠性的需求,本发明包括文本数据整理,收集航天领域相关的产业数据,整理文本数据集作为大模型的输入数据;构造邻接矩阵,利用开放信息抽取技术构建关系图,利用共指消解技术构建邻接矩阵;基于知识图谱和因果关系的航天大模型结构设计,包括构建CAS‑FS注意力模块,然后基于CAS‑FS注意力模块构建CASFS‑AM整体模块,然后迭代CASFS‑AM整体模块至L次,然后经过线性层得到判断性预测;利用得到的处理后的文本数据集进行训练,得到具有因果关系推断的航天领域专属大模型。

本发明授权一种基于知识图谱和因果关系的航天大模型可靠性增强方法在权利要求书中公布了:1.一种基于知识图谱和因果关系的航天大模型可靠性增强方法,其特征在于,包括如下步骤: S1.文本数据整理,收集航天领域相关的产业数据,整理文本数据集作为大模型的输入数据; S2.文本数据处理,对步骤S1得到的输入数据构造邻接矩阵,利用开放信息抽取技术构建关系图,利用共指消解技术构建邻接矩阵; 步骤S2的具体实现方法包括如下步骤: S2.1.对步骤S1得到的整理后的航天领域相关的产业数据进行文本数据向量化,利用transformer的编码层将整理后的航天领域相关的产业数据转化成嵌入表示矩阵X; S2.2.利用开放信息抽取技术构建关系图G; S2.3.基于步骤S2.2得到的关系图利用共指消解技术构造邻接矩阵A; S3.基于知识图谱和因果关系的航天大模型结构设计,包括构建CAS-FS注意力模块,然后基于CAS-FS注意力模块构建CASFS-AM整体模块,然后迭代CASFS-AM整体模块至L次,然后经过线性层得到判断性预测; 步骤S3的具体实现方法包括如下步骤: S3.1.构建CAS-FS注意力模块; 将整理后的航天领域相关的产业数据作为输入,设置注意力模块的输入向量表示为X=[x1,x2,…,xT],将向量表示X分别通过线性映射和FSMN内存块映射为查询矩阵Qt、键矩阵Kt、值矩阵Vt,得到表达式如下: Vt=WVxt 其中,N1为回顾序列,代表回顾过去的历史项目,N2为展望序列,表示进入未来的展望窗口大小;⊙代表哈达玛积,xt为输入向量X中第t个输入向量,ai,bi,cj,dj均为权重; 利用得到的Qt,Kt,Vt计算基础的注意力权重S,表达式为: 其中,d为输入向量X的维度; 新的注意力权重根据基础注意力权重进行派生,得到新的注意力权重为S′,表达式为: S′=αS+1-αS⊙A 其中,α为因果关系权重,A为步骤S2.3中构造得到的邻接矩阵,将得到的S′接softmax函数,与V相乘,根据因果关系注意力得到因果注意力模块的输出Y,表达式为: Y=softmaxS′V 其中,V为计算得到的值矩阵; S3.2.构建CASFS-AM整体模块:将步骤S3.1得到的CAS-FS注意力模块的输出与步骤S2得到的嵌入表示矩阵进行相加和归一化,经过一个全连接的前馈网络,由两个线性变换组成,两个线性变换中间设置一个RELU激活,得到表达式为: FFNX=RELUXW1+b1W2+b2 其中,FFNX为前馈神经网络的输出结果,W1和W2代表第一个线性变换、第二个线性变换,b1和b2代表偏差; S3.3.迭代CASFS-AM模块,将步骤S3.2得到的CASFS-AM整体模块,重复迭代L次,其中L根据实际情况进行调整,得到基于因果关系和减少内存的注意力模块部分的输出; S3.4.将步骤S3.3得到的基于因果关系和减少内存的注意力模块部分的输出作为线性层的输入,输入到一个线性层中得到最终的判断性预测输出; S4.利用步骤S1得到的文本数据集对步骤S3构建的基于知识图谱和因果关系的航天大模型进行训练,得到具有因果关系推断的航天领域专属大模型。

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哈尔滨航天恒星数据系统科技有限公司,其通讯地址为:150028 黑龙江省哈尔滨市高新技术产业开发区科技创新城创新路1616号5号楼;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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。