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基于多视角聚类与混合检索的法律概念解释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：CN119760113B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411843859.9，技术领域涉及：G06F16/334；该发明授权基于多视角聚类与混合检索的法律概念解释方法是由李政;王禄生;苗泽一;毕胜;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。

本基于多视角聚类与混合检索的法律概念解释方法在说明书摘要公布了：本申请公开了一种基于多视角聚类和混合检索的法律概念解释方法，该方法首先将用户输入解析成为法律概念。其次，通过多视角聚类方法抽取具有多样性的相关法律案例，而后提取这些法律案例中涉及到的法律条文并在数据库上检索，并使用大语言模型检索生成用户查询可能涉及到的法律条文即混合检索步骤。之后，在法律概念数据库上检索解析概念的具体定义，并且搜索相关法律案例和法律条文中给出的关键词信息，将这些关键词作为相关概念并检索，将解析概念和关键词的集合作为总相关概念集合。最后，将相关概念和相关法条组织成为提示输入到大语言模型生成初始结果，接下来将生成结果和输入提示以及初始问题投入到大语言模型中进行反思，进而生成最终结果，并将法律案例附在生成结果后输出给用户查看。

本发明授权基于多视角聚类与混合检索的法律概念解释方法在权利要求书中公布了：1.一种基于多视角聚类与混合检索的法律概念解释方法，其特征在于，所述方法包括以下步骤： 步骤1基于语义分层解构的查询语义分离，用于区分法律和非法律概念； 步骤2根据步骤1的语义分离方法进行的基于动态单元解析的语义片段提取，用于捕获描述法律名词与法律名词关系的法律概念； 步骤3基于递归信息检索和深度优先聚合的案例获取机制，用于系统化收集相关法律案例； 步骤4根据步骤3的案例获取机制进行的基于多视角聚类的案例增强机制，用于整合和优化案例信息； 步骤5基于跨源信息融合的法规条文初步筛选，用于从多数据源筛选相关法律条文； 步骤6根据步骤5的法律条文初步筛选进行的基于语义增强检索的法规条文提取，用于筛选与查询更匹配的法规内容； 步骤7基于多层次划分的知识映射构建，用于对法律概念进行系统层次化分类； 步骤8根据步骤7的知识映射构建进行的基于相似度分析的动态概念匹配与补充，用于匹配和补充相关法律概念； 步骤9基于动态提示生成的反馈机制，用于优化步骤4、步骤6和步骤8检索结果的呈现； 步骤10基于反思推理的输出调整策略，用于动态调整步骤9的输出以提升性能； 其中，步骤1基于语义分层解构的查询语义分离，具体如下： 设用户查询为Q，为有效解析该查询，首先将其语义结构进行分层解构，构建两个查询类别：第一类查询S1表示不可再分的法律概念查询的集合，第二类查询S2表示不可再分的非法律概念查询的集合，其中： S1＝{c1,c2,…,cm}，指包含m个法律名词的集合，其中ci代表第i个法律名词， S2＝{n1,n2,…,nk}，指包含k个非法律名词的集合，其中nj代表第j个非法律名词； 步骤2基于动态单元解析的语义片段提取，具体如下： 对于用户查询Q，通过动态单元解析方法，将其中涉及的法律名词提取并组织成第一类查询实例全部第一类查询实例构成第一类查询实例集Q1，然后，基于Q中不同法律名词之间的关系，通过关系抽取方法组织成第二类查询实例全部第二类查询实例构成第二类查询实例集Q2，随后，分别用第一类查询实例集Q1和第二类查询实例集Q2查询法律知识库得到第一类查询概念C1和第二类查询概念C2， 所有法律概念集的并集为解析概念集Cp，即Cp＝C1∪C2； 步骤3基于递归信息检索、深度优先聚合的案例获取机制，具体如下： 3-1概念检索与相关性评估， 设法律案例数据库在获取与用户查询Q相关的法律案例时，首先提取解析概念集中的概念子集对每个概念进行相关法律案例的检索得到法律案例集合 其中reld,c表示案例d与概念c之间的相关性函数，θ1表示相关性阈值设置为0.5，该参数根据实际情况不同而不同，可根据网格搜索方法得到； 3-2深度优先聚合， 获取的法律案例集进行聚合处理得到输出深度限制下的相关案例集 其中，depdi为案例di的深度评估函数，表示与用户查询的层级关系，k为深度遍历限制； 步骤4基于多视角聚类的案例增强机制，具体如下： 4-1分类与抽样， 为获取更具代表性的法律案例，在此基础上建立分类条目集这些条目指示了每个法律案例的分类依据，对于每个分类条目ti，提出分类结果函数为： 其中，ri为分类结果，指示案例d在分类条目ti下的归属,随后，将多个分类结果整合为单一分类指标cr： 括号代表取整函数，根据聚类后的分类指标cr将相关案例集划分为分类结果集即 4-2输出相关法律案例集， 从中随机抽取一个案例为代表案例，则相关法律案例集为： 步骤5基于跨源信息融合的法规条文初步筛选，具体如下： 5-1法律条文数据库的构建 首先，从多个法律条文数据源中提取法律条文数据，并将其组织为数据库 每个数据源中的条文集合表示为其中lij表示第j个条文， 5-2条文提取与信息融合 提出提取方法εlij,c，该方法表示从条文lij中提取与概念c∈Cp相关的内容： 其中，rellij,c表示条文与概念之间的相关性度量，θ2表示相关性阈值，设置为0.3，该参数根据实际情况不同而不同，可根据网格搜索方法得到，在此基础上，利用跨源信息融合方法将各个数据源中的相关条文融合为统一的条文集 步骤6基于语义增强检索的精准法规条文提取，具体如下： 6-1语义增强检索与条文获取 在得到融合的条文集后，进一步使用语义增强检索方法来提取与相关概念子集相关的法律条文，目标是根据条文中与概念的匹配度从融合后的条文集中获取最相关的条文： 其中，siml,c表示条文l与法律概念c之间的相似度度量，θ3为相似度阈值，设置为0.5，该参数根据实际情况不同而不同，可根据网格搜索方法得到， 6-2最终条文集的输出 经过语义增强检索得到的法律条文集表示为 此条文集将作为法律条文提取的最终输出，确保能够涵盖与用户查询相关的法律条文； 步骤7基于多层次划分的知识映射构建，具体如下： 7-1知识映射的构建 首先，利用从法律案例集中提取的相关法律概念集和从法律条文集中提取的相关概念集构建初步的知识映射 其中，表示所有相关概念的集合， 7-2层次划分概念提取 对于法律概念集上的概念c，使用层次划分方法Hc将概念映射到层次hc上，并构造层次划分树T，对于某一具体概念c，将其与其直接子概念Childc加入到知识映射中形成最终知识映射 步骤8基于相似度分析的动态概念匹配与补充，具体如下： 8-1相似度分析与概念关联， 针对构建的层次化知识映射，评估两个法律概念之间的相似度，相似度阈值∈设置为0.6，该参数根据实际情况不同而不同，可根据网格搜索方法得到，进而得到关联概念集 8-2概念的详细解释与输出， 最终，查询法律概念库中提取每个概念的详细解释，对于每个概念其详细解释为dc，汇总所有概念的详细解释，形成最终的输出相关概念集 步骤9基于动态提示生成的反馈机制，具体如下： 设用户查询Q以及步骤执行过程中生成的动态内容：步骤6相关法律条文集合步骤8相关法律概念集合以及步骤4相关法律案例集合 初始输出O0为O0＝LLMQ 模型结合动态生成内容的反馈A为： 其中，concat代表字符串拼接操作； 步骤10基于反思推理的输出调整策略，具体如下： 用户查询为Q，步骤10的输出为A，组织反思提示Pr： concat“请检查查询”,Q,“与回答”,A′,“是否主题一致，请回答是或否”其中，concat代表字符串拼接函数，反思结论O满足 O＝LLMPr 其中，LLM·代表使用大语言模型进行内容生成，如果反思结果为“是”，则将此时的反思结论O作为最终输出；如果反思结论为“否”，则组织反思推理提示Pi： concat“查询”,Q,“与回答”,A′,“主题不一致，请修改回答不一致的部分”而后更新A′： A′＝LLMPi 并重复组织反思提示及其后续内容。

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。