-
公开(公告)号：CN119848168A
公开(公告)日：2025-04-18
申请号：CN202411916262.2
申请日：2024-12-24
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/31 , G06F16/3329 , G06F16/36 , G06F16/3332 , G06F16/334 , G06F16/901 , G06N5/022
Abstract: 本申请实施例公开了一种基于大语言模型和知识图谱的检索生成方法及装置，可解决检索语义关联性弱、召回数据缺乏全局性知识的问题。该方法包括：对预设的多个领域文档进行向量解析，构建向量数据库；根据多个领域文档中提取出的实体描述信息和关系描述信息，构建知识图谱，并将知识图谱存储到图数据库中；对用户输入的目标问题进行特征提取，得到目标问题对应的多维度关键词；通过预设搜索引擎、向量数据库以及图数据库，对多维度关键词进行检索，得到目标检索结果；根据目标检索结果，确定目标输入信息，并将目标输入信息输入到目标语言模型中，得到目标输出响应信息。
-
公开(公告)号：CN119917641A
公开(公告)日：2025-05-02
申请号：CN202411988650.1
申请日：2024-12-31
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/334 , G06F16/3329 , G06T11/20 , G06F40/284 , G06N3/006 , G06F40/205
Abstract: 本发明提供了一种Agent自主规划多模态大模型内容创作方法、装置及系统，涉及大模型内容创作技术领域，包括：根据写作要求及参考文件生成待创作内容的脉络结构骨架；根据每一段落信息对应的若干待检索问题进行相关信息资料收集，生成每一段落信息对应的段落内容；根据每一锚点信息生成每一锚点信息对应的图表或图片；获取每一段落内容中的每一需要做引用计算的句子，以得到引用句子列表A；遍历相似度列表η，若ηi＞η’，则确定Ai无异常；生成用户输入的写作要求对应的多模态长文；对写作内容的校对；本发明中，通过创新性地结合动态知识获取、多模态生成、长篇写作规划及内容可信度保障，显著提升了AI写作的智能性、可靠性及多样性。
-
公开(公告)号：CN119884278A
公开(公告)日：2025-04-25
申请号：CN202510070908.8
申请日：2025-01-16
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/31 , G06F40/284 , G06F16/353
Abstract: 本发明提供了大模型驱动的树索引结构在RAG内容解析中的应用方法，所述方法根据原始文本的长度和预设文本长度获取初始文本；根据初始文本对应的中间文本列表，获取中间文本列表对应的树状存储数据，其中，中间文本包括中间段落文本和中间段落文本对应的中间标题路径，中间标题路径中包括若干个标题级别不同的标题文本；获取树状存储数据中的每一个节点对应的属性信息，并将节点对应的属性信息存储到节点中，以使得对树状存储数据进行更新并给树状存储数据分配一个唯一的ID；将树状存储数据和树状存储数据的ID上传到RAG对应的数据库中，能够保证文本的整体结构和初始文本之间的语义联系不被破坏，能够提高RAG的检索效率和生成质量。
-
公开(公告)号：CN114297357A
公开(公告)日：2022-04-08
申请号：CN202111616638.4
申请日：2021-12-27
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/332 , G06F40/289 , G06F40/242 , G06N10/20
Abstract: 本申请实施例提供一种基于量子计算的问答模型构建方法、装置、电子设备及存储介质，其中，该方法包括：获取查询词汇向量集合和答案语句向量集合；根据查询词汇向量集合获得查询词汇向量集合中每个查询词汇向量的查询词汇向量密度矩阵，作为查询词汇向量密度矩阵集合；根据答案语句向量集合获得答案语句向量集合中每个答案语句向量的答案语句向量密度矩阵，作为答案语句向量密度矩阵集合；根据查询词汇向量密度矩阵集合和答案语句向量密度矩阵集合获得答案语句向量密度矩阵集合中全部答案语句向量密度矩阵的相关性分值和状态演化矩阵；根据相关性分值和状态演化矩阵构建问答模型。实施本申请实施例，提高了智能问答模型的准确率，方便使用。
-
公开(公告)号：CN119886307A
公开(公告)日：2025-04-25
申请号：CN202510070907.3
申请日：2025-01-16
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06N5/022 , G06N5/02 , G06F16/31 , G06F16/36 , G06F40/205
Abstract: 本发明提供了一种基于大模型的树形结构知识构建方法、设备及介质，涉及人工智能技术领域，所述方法包括：初始化栈，并创建栈的根节点，获取目标文章的第i行文本；若第i行文本是标题，获取目标文章的第i行文本的标题类型，按照从栈顶到栈底的顺序遍历栈中的子节点，若存在子节点与第i行文本的标题类型相同，将该子节点标记为相同类型节点，并将从栈顶到相同类型节点的全部节点出栈，若栈为空，将第i行文本作为根节点的子节点，并将第i行文本入栈；若栈不为空，获取栈的栈顶，将第i行文本作为栈顶的子节点，并将第i行文本入栈，直到目标文章的所有行遍历完成，生成目标文章的解析树；从而更加高效且准确的获取到目标文章的解析树。
-
Patent Agency Ranking
公开(公告)号：CN119829717A
公开(公告)日：2025-04-15
申请号：CN202411905240.6
申请日：2024-12-23
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/3329 , G06F40/194 , G06F18/214 , G06N5/022
Abstract: 本申请涉及人工智能技术领域，特别是涉及一种大模型问答的知识溯源方法、装置、介质和设备。包括：获取大模型问答生成的待溯源文本；根据目标问题和目标任务模式对应的每一置信数据源，得到初始知识载体列表C；根据待溯源文本和C，得到关键知识载体列表M；根据待溯源文本和M，得到关键知识片段匹配度列表集DP；若MAX(DPj)＜EP；则将Mj从M中删除；否则不删除，以更新M，得到目标知识载体列表G。本申请提高了知识溯源的准确性，减少了溯源的工作量。且节约了计算机资源，能够为待溯源文本提供较为准确的溯源知识载体，使得用户能够获取大模型问答输出结果的知识来源，辅助用户对于大模型问答输出结果的置信度的判断。
-
公开(公告)号：CN119760097A
公开(公告)日：2025-04-04
申请号：CN202411952374.3
申请日：2024-12-27
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/3329 , G06F16/334 , G06F16/338 , G06N3/0455 , G06F16/34 , G06F16/335
Abstract: 本发明涉及智能问答技术领域，尤其涉及一种大模型RAG召回策略智能规划方法、装置、介质及设备，通过引入提示词将初始问题转化为目标问题，对目标问题进行关键信息和向量的多维度处理，以基于预设大模型获取到参考召回数据，将初始场景类别、预设召回路径、目标问题、参考召回数据和预设提示词输入至预设大模型中，获取到目标召回路径，按照顺序依次执行目标召回路径中的所有数据召回环节，获取到目标召回数据，通过为大模型提供多维度参考信息，辅助大模型获取到由多个按顺序排列的数据召回环节构成的目标召回路径，使得数据召回过程更加高效，并能够适应各种复杂多变的应用场景和问题类型，提高了召回方法的准确性和效率。
-
公开(公告)号：CN119782463A
公开(公告)日：2025-04-08
申请号：CN202411840111.3
申请日：2024-12-13
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/3329 , G06F16/353 , G06F40/35 , G06N3/045 , G06N5/022
Abstract: 本发明提供了一种仿人类复杂问题检索方法、电子设备及存储介质，该方法包括：对原始问题语句进行拆解处理，以得到若干个原子问题语句；根据若干个原子问题语句之间的关联关系，确定若干个原子问题语句之间的执行顺序；根据每一原子问题语句对应的语句类型，确定每一原子问题语句对应的目标检索信源；根据若干原子问题语句之间的执行顺序，依次通过每一原子问题语句对应的目标检索信源，对该原子问题语句进行检索，得到每一原子问题语句对应的原始答复语句；对若干原始答复语句进行语义整合，得到原始问题语句对应的目标答复语句，以通过意图识别、问题拆解、逻辑规划、扩展生成以及动态执行等多个模块协同工作，有效解决了复杂问题的检索难题。
-
公开(公告)号：CN114297357B
公开(公告)日：2022-08-19
申请号：CN202111616638.4
申请日：2021-12-27
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/332 , G06F40/289 , G06F40/242 , G06N10/20
Abstract: 本申请实施例提供一种基于量子计算的问答模型构建方法、装置、电子设备及存储介质，其中，该方法包括：获取查询词汇向量集合和答案语句向量集合；根据查询词汇向量集合获得查询词汇向量集合中每个查询词汇向量的查询词汇向量密度矩阵，作为查询词汇向量密度矩阵集合；根据答案语句向量集合获得答案语句向量集合中每个答案语句向量的答案语句向量密度矩阵，作为答案语句向量密度矩阵集合；根据查询词汇向量密度矩阵集合和答案语句向量密度矩阵集合获得答案语句向量密度矩阵集合中全部答案语句向量密度矩阵的相关性分值和状态演化矩阵；根据相关性分值和状态演化矩阵构建问答模型。实施本申请实施例，提高了智能问答模型的准确率，方便使用。
-
公开(公告)号：CN119759451A
公开(公告)日：2025-04-04
申请号：CN202411952368.8
申请日：2024-12-27
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本发明涉及大语言模型技术领域，特别是涉及一种基于大模型的插件调用方法、电子设备及存储介质，所述方法包括：将预设插件关键词库中的预设插件关键词与用户输入的目标请求文本中的任一请求关键词进行匹配，根据匹配上的预设插件直接确定出目标插件或确定出若干备选插件，而当请求关键词未匹配上预设插件时则将所有预设插件作为备选插件，再通过给定大语言模型从若干个备选插件中筛选出目标插件，从所述目标请求文本中提取目标参数信息并发送至目标插件得到插件反馈结果，当插件反馈结果的判断结果为符合预设要求时，将插件反馈结果作为请求反馈文本；本发明能够提高对话系统中的目标插件选取的准确率，使选择出的目标插件更符合用户的需求。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.034 seconds)
