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！

龙图腾网获悉合肥工业大学申请的专利一种融合知识表示模型的案例相似性预测方法及其应用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：CN115618102B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211200120.7，技术领域涉及：G06F16/9535；该发明授权一种融合知识表示模型的案例相似性预测方法及其应用是由陈正光;武新超设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种融合知识表示模型的案例相似性预测方法及其应用在说明书摘要公布了：本发明公开了一种融合知识表示模型的案例相似性预测方法及其应用，该方法包括：1、获取政务咨询案例并预处理，2、构建案例相似性预测模型，3、对该模型进行迭代训练，4、利用训练好的模型完成案例相似性预测工作。本发明能综合考虑现有咨询案例特征，利用知识表示模型提取主题词特征，融合案例的主题相似度和案例特征相似度，从而能更加准确的找到现有案例中与新案例相似的案例，快速准确的回应公众。

本发明授权一种融合知识表示模型的案例相似性预测方法及其应用在权利要求书中公布了：1.一种融合知识表示模型的案例相似性预测方法，其特征在于，是应用于政务咨询知识库中，并包括如下步骤： 步骤1.获取政务咨询案例并预处理： 从政务咨询知识库中获取任意第i个政务咨询案例,；其中，表示第i个中文咨询问题；表示第i个中文咨询问题的主题词集合；表示第i个中文咨询问题对应的渠道； 将第i个政务咨询案例中的中文咨询问题先翻译为英文后再翻译为中文，从而获得相似问题；由相似问题及其对应的渠道和主题词集合构成相似政务咨询案例序列； 步骤2.构建案例相似性预测模型，包括：案例特征提取模块、主题表示模块、相似性计算模块； 步骤3.所述案例特征提取模块，包括：文本语义表示单元、渠道表示单元和案例融合表示单元；并将案例序列和输入所述案例特征提取模块，相应得到案例向量和对应相似案例向量： 步骤3.1.所述文本语义表示单元利用bert模型对第i个政务咨询案例的中文咨询问题进行词嵌入处理，得到相应中文咨询问题中所有的字向量，再对字向量进行求均值操作，得到均值向量并作为相应中文咨询问题的句向量； 步骤3.2.所述渠道表示单元包括一个独热编码嵌入层，将第i个政务咨询案例的咨询渠道进行独热向量编码，得到独热向量后进行词嵌入处理，得到第i个政务咨询案例的咨询渠道的向量表示； 步骤3.3.所述案例融合表示单元将第i个政务咨询案例的中文咨询问题的句向量，咨询渠道的向量进行向量拼接，得到第i个政务咨询案例的向量； 步骤3.4.将相似政务咨询案例序列输入所述案例特征提取模块中，并按照步骤3.1-步骤3.3的过程进行处理后，得到相似政务咨询案例序列的相似向量； 步骤4.所述主题表示模块包括一个知识表示层和一个注意力层； 从政务咨询知识库中获取各个主题词及其关系表征编码并输入所述知识表示层中，所述知识表示层利用trans-E模型得到每个主题词对应的表示向量； 所述注意力层先对第i个政务咨询案例的中文咨询问题的主题词集合中每个主题词对应的表示向量的长度L进行对齐后，得到主题词集合的L个主题词向量；在所述句向量的监督下，利用Attention机制对所述L个主题词向量进行处理，得到L个主题词向量的注意力权重，最后将所述L个主题词向量和对应的注意力权重进行加权处理，得到第i个政务咨询案例的主题表示向量； 所述注意力层对相似政务咨询案例序列中的主题词集合进行同样的处理后，得到相似政务咨询案例序列的主题表示向量； 构建由第i个政务咨询案例和相似政务咨询案例序列组成的正样本对； 构建由第i个政务咨询案例和第j个政务咨询案例序列组成的负样本对； 步骤5.所述相似性计算模块包括两个全连接层、融合层和一个Sigmod函数模块： 步骤5.1.将向量和拼接后得到正样本对的相似性表示向量； 将向量和其他第j个政务咨询案例的向量拼接后得到负样本对的非相似性表示向量； 将和分别经过两个全连接层的降维处理后，相应得到标量，，再对标量，进行归一化处理后得到正样本对的文本相似度表示和负样本对的文本相似度表示； 步骤5.2.融合层计算正样本对的欧几里得距离和负样本对的欧几里得距离；再计算正样本对的主题相似度和负样本对的主题相似度；从而计算正样本对的融合相似度表示和负样本对的融合相似度表示；其中，表示权重，且； 步骤5.3.将融合相似度表示量和分别输入Sigmod函数模块中进行处理，获得相应的相似性预测结果和； 步骤6.案例相似性预测模型模型的训练： 步骤6.1利用式1构造损失函数： 1 式1中，表示正样本对的损失函数，并由式2得到；表示负样本对的损失函数，并由式3得到； 2 3 式2和式3中，σx是Sigmoid函数，是样本对的真实标签值，若为正样本对，则为1，若为负样本对，则为0； 步骤6.2利用梯度下降法对案例相似性预测模型进行训练，并计算所述损失函数，直到所述损失函数收敛或达到最大次数时停止训练，从而获得融合知识表示的最优案例相似性预测模型； 步骤6.3当获取新的政务咨询案例时，先输入训练后的案例特征提取模块和主题表示模块中进行处理，获得该案例的向量及其主题表示向量，并与和一起输入训练后的相似性预测模块中进行处理，并输出相似性预测结果，若为1，则将新的政务咨询案例的融合相似度表示中前s个最大值作为相似案例进行推送。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。