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！

龙图腾网获悉东南大学申请的专利一种基于知识图谱和大语言模型的后续问题生成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：CN119783818B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411843860.1，技术领域涉及：G06N5/04；该发明授权一种基于知识图谱和大语言模型的后续问题生成方法是由王禄生;苗泽一;毕胜;李政;常伟杰设计研发完成，并于2024-12-14向国家知识产权局提交的专利申请。

本一种基于知识图谱和大语言模型的后续问题生成方法在说明书摘要公布了：本发明公开了一种基于知识图谱和大语言模型的后续问题生成方法，主要用于在对话系统中生成后续问题，帮助用户探索信息并提供更好的用户体验。本发明对于给定的历史问答信息，首先进行意图识别，扩展相关背景知识，从对话中提取关键词，并构造查询以检索最相关的维基百科页面。接下来，本发明以页面对应的实体为中心构建实时知识图谱。然后，基于节点重要性和相关度两个维度选出与当前对话最相关的节点，从而确定需要引入的外部背景知识。这使得模型可以访问更广泛的知识资源，提高所生成问题的深度和相关度。最后，本发明设计了一个知识融合操作，通过指示大语言模型基于上下文继续编写先前获取的外部维基百科知识，进一步增强模型对上下文的理解和认知，指导后续问题生成。一系列实验表明，本发明方法在后续问题生成任务上具有较高的整体性能，可以生成信息更丰富、认知复杂度更高的问题，并有助于将对话推向更深层次。

本发明授权一种基于知识图谱和大语言模型的后续问题生成方法在权利要求书中公布了：1.基于知识图谱和大语言模型的后续问题生成方法，其特征在于，所述方法包括如下步骤： 1对于给定的历史对话，提取主题词和关键词，以识别整体对话意图； 2对于步骤1获得的主题词和关键词的组合，通过构造查询以检索最相关的维基百科页面识别核心主题，提取正确的上下文信息以生成后续问题； 3对于步骤2获得的核心主题，构建实时知识图谱，获取和对话相关的背景知识； 4对于步骤3构建的知识图谱，评估图谱中实体和对话上下文的相关性，以便选择有意义的背景知识，提高生成后续问题的准确性和可靠性； 5采用提示式学习指示大语言模型基于上下文继续编写步骤4中获取的外部维基百科知识，利用融合后的多源知识指导后续问题生成； 其中，所述步骤3中，利用大语言模型在线构建知识图谱，将常识性知识注入问题生成过程，使问题更加知识化，具体为，首先使用定制的提示引导大语言模型从维基百科页面抽取出相关的实体和关系，这些提示包括与输入文本相关的上下文信息，以及期望大语言模型生成的输出格式，通过定制的提示，该方法能够利用大语言模型的能力，提取出与输入文本紧密相关的实体和关系，同时，特定格式的输出被转换为知识图谱中的节点和边，然后将实体表示为节点，将关系表示为连接节点的边，从而构建知识图谱； 其中，所述步骤5中，设计了一个知识融合的操作，设计了一个文本延续任务，通过指示大语言模型基于上下文继续编写先前获取的外部维基百科知识，具体如下，系统会将对话上下文包括历史对话内容以及从知识图谱计算出的高相关度实体信息与外部维基百科知识片段进行组合，然后以提示的方式输入给大语言模型，具体为，构建的提示内容包括：1历史对话摘要或上下文描述，让大语言模型了解目前对话已讨论的话题范围和用户意图，2在步骤4中选定的维基百科外部知识文本片段，上述知识文本并非直接并列给出，而是通过指令要求大语言模型将其作为上下文的一部分进行拓展或延续性编写，在延续和扩写过程中，大语言模型会将外部的维基百科知识点，与当前对话的主题情境相结合，大语言模型参考给定的维基百科内容，提炼出该实体在对话主题下的关键信息，将对话之前提及的话题与外部知识联系起来，从而在生成的文本中自然嵌入外部知识点。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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”。

以上内容由龙图腾AI智能生成。