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！

龙图腾网获悉华中师范大学申请的专利基于提示学习的复杂知识库问答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：CN118095438B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202410313822.9，技术领域涉及：G06N5/04；该发明授权基于提示学习的复杂知识库问答方法是由周光有;陈昱丞;谢志文设计研发完成，并于2024-03-19向国家知识产权局提交的专利申请。

本基于提示学习的复杂知识库问答方法在说明书摘要公布了：本发明公开了基于提示学习的复杂知识库问答方法，包括：构建问答任务的提示模型，基于所述提示模型获取预训练语言模型的输入；基于所述预训练语言模型的输入，利用语义选择器来动态选择在知识库中与问题匹配的上下文信息，获取答案特征；对所述答案特征进行分类，获得最终预测的答案。本发明通过在提示模板的基础上加入语义选择器，有效解决了冗余和歧义知识的干扰，提升了PLM对语义理解的准确性；通过引入预设语义标记对提示进行优化，有效解决了提示模板费时费力且缺乏鲁棒性的问题，提升了知识库问答性能。

本发明授权基于提示学习的复杂知识库问答方法在权利要求书中公布了：1.基于提示学习的复杂知识库问答方法，其特征在于，包括： 构建问答任务的提示模型，基于所述提示模型获取预训练语言模型的输入； 基于所述预训练语言模型的输入，利用语义选择器来动态选择在知识库中与问题匹配的上下文信息，获取答案特征； 对所述答案特征进行分类，获得最终预测的答案； 构建问答任务的提示模型的方法为：通过在问句中添加预设语义标记作为提示符，构建一个所述提示模型；其中，所述预设语义标记为所述预训练语言模型的词汇表中未使用过的词汇； 基于所述提示模型获取预训练语言模型的输入包括： 通过反向传播对所述提示符进行优化，获取最佳提示； 将所述最佳提示、问题和子图中的推理路径与SEP字符连接起来，作为所述预训练语言模型的输入； 通过反向传播对所述提示符进行优化的方法包括： 其中，ξi表示知识库中的事实三元组，e0表示一个事实三元组的头实体，et表示目标实体，simq,r表示问题和当前事实三元组的余弦相似度，q表示自然语言问题，表示优化函数，P表示概率函数，Xtemplate表示提示模型，[MASK]表示完型填空的掩码形式； 所述预训练语言模型的输入为： Xinput＝[cls]Xtemplate.[SEP]q.[SEP]ξi[SEP] 其中，Xinput表示预训练语言模型的输入，q表示问题。

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华中师范大学，其通讯地址为：430079 湖北省武汉市珞喻路152号；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”。