CN120256590A 基于语义理解的创新创业辅导问答匹配方法及系统 （湖南工程学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120256590A(43)申请公布日2025.07.04

(21)申请号202510732676.8

(22)申请日2025.06.04

(71)申请人湖南工程学院

GO6N3/0442(2023.01)

GO6N3/045(2023.01)

地址411100湖南省湘潭市福星东路88号

(主校区)

(72)发明人洪盼黎博李林谭浩博

(74)专利代理机构四川中代知识产权代理有限公司51358

专利代理师李康

(51)Int.CI.

GO6F16/3329(2025.01)

GO6F16/334(2025.01)

GO6F40/284(2020.01)

GO6F40/30(2020.01)

GO6N5/022(2023.01)

权利要求书4页说明书19页附图2页

(54)发明名称

基于语义理解的创新创业辅导问答匹配方法及系统

(57)摘要

CN120256590A本发明提供一种基于语义理解的创新创业辅导问答匹配方法及系统，涉及自然语言处理技术领域，首先提取用户输入提问语句的语义理解特征，基于预设创新创业辅导知识库匹配对应知识节点集合，接着，依据知识节点集合的层级关系与语义关联度生成语义关联路径，据此确定目标问答策略并生成优化辅导内容，最后，根据用户对优化辅导内容的反馈数据，更新创新创业辅导知识库中的节点连接权重与关联关系，由此通过深度语义理解与知识库动态优化，实现创新创

CN120256590A

S110

S110

提取用户输入的提问语句的语义理解特征

S120

基于预设的创新创业辅导知识库匹配与所述语义理解特征对应的知识节点集合

S130

根据所述知识节点集合的层级关系与语义关联度生成语义

S140

根据所述语义关联路径确定目标问答策略并生成优化辅导内容

S150

根据用户对所述优化辅导内容的反馈数据更新所述创新创业辅导知识库中的节点连接权重与关联关系

CN120256590A权利要求书1/4页

2

1.基于语义理解的创新创业辅导问答匹配方法，其特征在于，所述方法包括：

提取用户输入的提问语句的语义理解特征；

基于预设的创新创业辅导知识库匹配与所述语义理解特征对应的知识节点集合；

根据所述知识节点集合的层级关系与语义关联度生成语义关联路径；

根据所述语义关联路径确定目标问答策略并生成优化辅导内容；

根据用户对所述优化辅导内容的反馈数据更新所述创新创业辅导知识库中的节点连接权重与关联关系。

2.根据权利要求1所述的基于语义理解的创新创业辅导问答匹配方法，其特征在于，所述提取用户输入的提问语句的语义理解特征，包括：

对所述提问语句进行分词处理，分割为多个语义词单元并去除所述多个语义词单元中的停用词；

调用预训练的语义编码模型对所述语义词单元进行上下文编码，生成每个语义词单元的上下文向量；

将所述上下文向量输入多头注意力层，计算各语义词单元之间的语义关联权重；

基于所述语义关联权重对所述上下文向量进行加权融合，生成所述提问语句的全局语义特征；

将所述全局语义特征输入特征降维层，提取核心意图特征与辅助逻辑特征，作为所述语义理解特征；其中，所述核心意图特征用于表示用户提问的核心目标，所述辅助逻辑特征用于描述提问语句中多个语义词单元之间的依赖关系及语义层次结构；

其中，所述语义编码模型通过以下步骤训练：

采集历史创新创业辅导场景中的样本提问语句及其对应的标注意图标签，构建训练数据集；

以最小化所述样本提问语句的预测意图标签与标注意图标签之间的交叉熵损失为目标，优化所述语义编码模型的参数。

3.根据权利要求2所述的基于语义理解的创新创业辅导问答匹配方法，其特征在于，所述调用预训练的语义编码模型对所述语义词单元进行上下文编码，生成每个语义词单元的上下文向量，包括：

将所述语义词单元输入双向长短期记忆网络，分别获取每个语义词单元的前向隐状态序列与后向隐状态序列；

拼接同一语义词单元的前向隐状态序列与后向隐状态序列，生成初始上下文向量；

对所述初始上下文向量执行层归一化处理，并通过残差连接将归一化后的上下文向量与所述初始上下文向量进行融合，得到增强上下文向量；

将所述增强上下文向量输入非线性变换层，生成维度统一的上下文向量集合。

4.根据权利要求2所述的基于语义理解的创新创业辅导问答匹配方法，其特征