原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及数据处理技术领域，具体涉及基于知识图谱集成的大语言模型向量检索方法，包括：采集文本数据集构建知识图谱，获取实体集合中每个实体的名词序列和编号序列，从而得到每个实体的属性特征值，以此将所有实体划分的若干个聚类簇，根据所有聚类簇中所有实体的属性特征值之间的差异，得到TransE模型的修正损失函数，从而得到三元组集合中的每个三元组的向量表示，由此获取用户查询时的查询结果。本发明通过分析实体集合中实体之间的相似性，对TransE模型的损失函数进行修正，获取准确的向量表示结果，从而提高了用户查询
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117520485A
(43)申请公布日2024.02.06
(21)申请号202410022166.7G06F16/34(2019.01)
文档评论（0）