申请/专利权人：湖南大学

申请日：2023-12-25

公开（公告）日：2024-04-02

公开（公告）号：CN117807202A

主分类号：G06F16/332

分类号：G06F16/332;G06F16/36;G06Q50/18;G06F40/289;G06F40/186;G06N5/04;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种知识图谱增强大语言模型推理的商标法律智能问答方法，包括商标法律知识图谱构建步骤、商标法律大语言模型训练步骤、法律问题识别步骤、知识子图检索步骤以及回复内容自动生成步骤，知识子图检索步骤是从商标法律知识图谱中检索与法律问题背景相关的知识子图，回复内容自动生成步骤是基于检索的法律知识增强商标法律大语言模型推理生成高质量的回复内容。本发明可以在有限的硬件资源下，自动回复商标领域的法律问题，通过与检索器的结合使用能够有效地提升生成的回复内容的逻辑性、准确性和法律时效性。

主权项：1.一种知识图谱增强大语言模型推理的商标法律智能问答方法，其特征在于，包括以下步骤：步骤S101：构建商标法律知识图谱；步骤S102：训练得到训练好的商标法律大语言模型；步骤S103：训练好的商标法律大语言模型识别用户的输入问题Q，具体包括如下步骤：步骤1031：训练好的商标法律大语言模型识从用户的法律问句中提取关键词集合；步骤1032：训练好的商标法律大语言模型将关键词集合映射至所述商标法律知识图谱的实体集合，构建初始结点集合E；步骤S104：进行指示子图检索构成最终的背景知识子图，具体包括如下步骤：步骤S1041：训练好的商标法律大语言模型得到初始结点集合中存在的独立结点集合，探索独立结点集合中的路径子图得到路径子图集合；步骤S1042：根据独立结点集合和路径子图集合得到最终的结点集合；搜索最终的结点集合中结点的领域路径，并将与问题相关的领域路径添加至领域子图集合，将路径子图集合中的路径末结点与领域子图集合中路径始结点相同的路径进行聚合，形成最终的背景知识子图步骤S105：回复内容自动生成：在检索到最终的背景知识子图后，采用提示学习，构建提示模板，激励商标法律大语言模型生成用户的输入问题Q的回复内容。

全文数据：

权利要求：

百度查询： 湖南大学 一种知识图谱增强大语言模型推理的商标法律智能问答方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD