申请/专利权人：北京华源技术有限公司

申请日：2024-01-19

公开（公告）日：2024-05-17

公开（公告）号：CN117591663B

主分类号：G06F16/332

分类号：G06F16/332;G06F16/33;G06F16/583;G06F16/683;G06N5/04;G06N5/022;G06N3/0455;G06N3/042;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明属于计算机技术领域，本发明公开了一种基于知识图谱的大模型prompt生成方法；通过用户输入信息获取用户真实意图；根据用户真实意图生成系统响应文本，提取出用户输入信息的关键实体；将知识图谱中与关键实体匹配成功的实体标记为匹配实体；知识图谱包括实体、实体属性信息、实体间关系以及实体类型；根据实体间关系，获取知识图谱中与匹配实体存在实体间关系的实体，并标记为关系实体；再通过关系推理，获取知识图谱中与关系实体存在实体间关系的实体；不仅提高了大模型的性能，还使得其在不同领域和场景中具有更广泛的适用性。

主权项：1.一种基于知识图谱的大模型prompt生成方法，其特征在于，包括：步骤S1：通过用户输入信息获取用户真实意图；所述获取用户真实意图的方法包括：步骤S101：对用户输入信息进行处理；所述用户输入信息包括文本数据、图像数据以及音频数据；步骤S102：将用户输入信息进行多模态融合，将多模态融合后的用户输入信息标记为融合信息；步骤S103：根据融合信息获取用户真实意图；步骤S2：根据用户真实意图生成系统响应文本，提取出用户输入信息的关键实体；步骤S3：将提取出的关键实体与知识图谱中的实体进行匹配，将知识图谱中匹配成功的实体标记为匹配实体；知识图谱包括实体、实体属性信息、实体间关系以及实体类型；步骤S4：根据实体间关系，获取知识图谱中与匹配实体存在实体间关系的实体，并标记为关系实体；再通过关系推理，获取知识图谱中与关系实体存在实体间关系的实体，并标记为次关系实体；关系推理的方法包括规则推理、图算法推理以及模型推理；规则推理为利用预先定义好的规则，通过逻辑推理发现新的关系；图算法推理为使用图算法发现实体之间的潜在关系；模型推理为使用图神经网络模型，从知识图谱中学习并推理出新的实体间关系；图神经网络模型的原理包括：图结构表示：对于一个图，其中V为节点集合，E为边集合，对于每一个节点都存在一个特征向量表示节点的特征信息；消息传递：图神经网络模型的核心是通过消息传递机制，使节点能够聚合相邻节点的信息，对于节点，接收到相邻节点的消息，更新节点对应的特征向量；消息传递的过程包括两部分：以及，其中为节点在图神经网络中第个卷积层的特征向量，为节点的相邻节点集合，为连接节点和的边的特征向量，包括边的权重与类型信息；为聚合函数，将节点相邻节点的信息进行聚合，包括求和与平均，具体选择取决于任务和网络设计，为激活函数，为连接节点和的边在图神经网络中第个卷积层的特征向量；节点的特征向量在图神经网络中每一个卷积层都进行更新，经过多个卷积层的消息传递获得包含多个节点对应的信息和上下文联系的特征向量；关系推理：通过学习到节点的特征向量和连接节点对应边的特征向量，进行关系推理；步骤S5：构建prompt模板，prompt模板包括用户真实意图、关键实体、实体间关系、关系实体以及次关系实体；步骤S6：将构建的prompt模板输入预选的大模型，获取答复用户真实意图的答复数据。

全文数据：

权利要求：

百度查询： 北京华源技术有限公司 一种基于知识图谱的大模型prompt生成方法

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