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！

龙图腾网获悉北京邮电大学申请的专利基于问题索引检索增强生成技术的智能问答方法和系统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：CN120124640B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510179300.9，技术领域涉及：G06F40/35；该发明授权基于问题索引检索增强生成技术的智能问答方法和系统是由戚琦;何波;于傲寒;李劲;靖宇涵;孙海峰;王敬宇;王晶设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本基于问题索引检索增强生成技术的智能问答方法和系统在说明书摘要公布了：基于问题索引检索增强生成技术的智能问答方法和系统，包括：将知识库文档切分成文档分片，从每个文档分片中提取若干摘要问题作为假设性问题，将文档分片的假设性问题向量有序集合作为索引构建查询库；对用户问题重写、向量化后生成用户问题向量，然后通过索引检索获取用户问题相关的文档分片，过程如下：计算用户问题向量和每个文档分片的每个假设性问题向量的相似度，并挑选出相似度大于阈值的假设性问题向量，然后选取相似度大的多个假设性问题向量所属的文档分片构成相关文本集；将用户问题和相关文本集构成提示词，通过大语言模型生成答案。本发明涉及自然语言处理技术领域，能有效提升RAG技术的检索性能，确保大模型生成回答的准确性。

本发明授权基于问题索引检索增强生成技术的智能问答方法和系统在权利要求书中公布了：1.一种基于问题索引检索增强生成技术的智能问答方法,其特征在于，包括有： 步骤一、将知识库中的所有文档切分成多个文档分片，然后从每个文档分片中提取若干摘要问题作为文档分片的假设性问题，再将每个假设性问题进行向量化后构成文档分片的假设性问题向量有序集合，最后将每个文档分片的假设性问题向量有序集合作为索引构建查询库； 步骤二、对用户输入的问题进行重写，并向量化后生成用户问题向量，然后通过索引检索从查询库中获取和用户问题相关的文档分片，索引检索的具体过程如下：计算用户问题向量和查询库中每个文档分片的假设性问题向量有序集合的每个假设性问题向量的相似度，并从中挑选出所有相似度大于阈值的假设性问题向量，然后按照相似度从大到小的顺序对挑选出的假设性问题向量进行排序，选取排序在前的多个假设性问题向量，最后提取所选取假设性问题向量所属的文档分片来构成用户问题相关文本集； 步骤三、将用户问题和用户问题相关文本集构成提示词，通过大语言模型生成用户问题对应的答案， 步骤一中，从每个文档分片中提取若干摘要问题作为文档分片的假设性问题，包括有： 步骤11、通过大语言模型生成文档分片D对应的摘要内容和摘要问题集合，摘要问题集合中包含有n个摘要问题，n是预设的摘要问题数； 步骤12、构建假设性问题有序集合Q，并初始化为空集，同时，将集合语义覆盖率Cov0和集合语义多样性值Div0初始化为0； 步骤13、逐一从摘要问题集合中选取每个摘要问题，并计算每个摘要问题对应的信息增益值：Info_Gainqi＝α*Covqi-Cov0+1-α*Divqi-Div0，qi是摘要问题集合中的第i个摘要问题，Info_Gainqi、Covqi、Divqi分别是qi对应的信息增益值、对语义覆盖率的贡献值和对语义多样性的贡献值，α是用于调整覆盖率和多样性的重要性权重参数，然后从所有摘要问题对应的信息增益值中选取最大值，将最大值对应的摘要问题写入假设性问题有序集合Q中，并从摘要问题集合中删除该摘要问题，同时，更新集合语义覆盖率Cov0和集合语义多样性值Div0：Cov0’＝Cov0+Covqu，Div0’＝Div0+Divqu，Cov0’、Div0’是更新后的集合语义覆盖率和集合语义多样性值，qu是最大值对应的摘要问题； 步骤14、判断假设性问题有序集合Q中的假设性问题数是否小于预设的假设性问题数阈值m，如果是,则转向步骤13；如果否，则将假设性问题有序集合Q中的每个假设性问题向量化，从而生成假设性问题向量有序集合。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。