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！

龙图腾网获悉北京大学长沙计算与数字经济研究院申请的专利一种基于embedding模型的知识增强方法及装置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：CN121029960B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511576887.3，技术领域涉及：G06F16/3329；该发明授权一种基于embedding模型的知识增强方法及装置是由罗东;龚起航;艾书荟;白曾鼎;高翔宇设计研发完成，并于2025-10-31向国家知识产权局提交的专利申请。

本一种基于embedding模型的知识增强方法及装置在说明书摘要公布了：本发明涉及知识增强技术领域，公开了一种基于embedding模型的知识增强方法及装置，方法包括：获取用户上传的目标问题和原始文档；切分原始文档得到文本块，生成针对文本块的问答对；采用初始embedding模型将原始文档转换为原始向量，基于原始向量进行聚类得到多个聚类类别和文档权重；基于聚类类别训练模型得到目标embedding模型，基于此将目标问题和问答对中的生成问题转换为目标问题向量和生成问题向量；基于文档权重，计算目标问题向量与生成问题向量之间的相似度距离，基于此从原始文档中召回目标文档。本发明有效提升检索召回的准确性与公平性，解决类别不平衡问题，生成准确、高质量的答案，有效改善用户体验。

本发明授权一种基于embedding模型的知识增强方法及装置在权利要求书中公布了：1.一种基于embedding模型的知识增强方法，其特征在于，所述方法包括： 获取用户上传的目标问题和至少一个原始文档； 切分每一原始文档得到所述原始文档的多个文本块，生成针对每一文本块的问答对，所述问答对包括生成问题和生成回答； 采用初始embedding模型将每一原始文档转换为原始向量，并基于所有原始向量进行聚类，得到多个聚类类别和每一原始向量对应的原始文档的文档权重，所述聚类类别表示语义主题； 基于所述多个聚类类别训练所述初始embedding模型，得到目标embedding模型； 采用所述目标embedding模型，将所述目标问题和每一问答对中的生成问题分别转换为目标问题向量和生成问题向量； 基于每一原始文档对应的文档权重，计算所述目标问题向量与每一生成问题向量之间的相似度距离，基于所述相似度距离从所述至少一个原始文档中召回目标文档； 其中，所述基于所述多个聚类类别训练所述初始embedding模型，得到目标embedding模型，包括： 对于每一聚类类别，基于属于所述聚类类别的所有原始向量，计算所述聚类类别的中心向量和类别权重； 以每一原始向量作为查询，以所述原始向量所属的聚类类别的中心向量作为键和值，计算所述原始向量的注意力权重； 基于所述原始向量的注意力权重和所述原始向量所属的聚类类别的中心向量，对所述原始向量进行加权融合，得到所述原始向量对应的增强向量； 以所述聚类类别作为标签，采用所述初始embedding模型对所述增强向量进行预测，得到预测概率，所述预测概率表示所述增强向量属于所述聚类类别的概率； 基于每一原始向量、每一原始向量所属的聚类类别的类别权重和每一原始向量对应的增强向量的预测概率，计算训练损失； 基于所述训练损失更新所述初始embedding模型的模型参数，重复上述预测和计算训练损失的过程，直至最小化所述训练损失，将最后一次更新模型参数后的初始embedding模型作为所述目标embedding模型； 所述聚类类别的类别权重采用如下公式计算： 式中，表示第个原始文档对应的原始向量所属的聚类类别；表示聚类类别的类别权重；表示属于聚类类别的所有原始向量的向量数量。

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大学长沙计算与数字经济研究院，其通讯地址为：410205 湖南省长沙市岳麓区尖山湖路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。