CN119089931B 一种多层语义理解大模型智能体构造及应用方法 （上海熵智信息科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119089931B(45)授权公告日2025.07.11

(21)申请号202411112965.X

(22)申请日2024.08.14

(65)同一申请的已公布的文献号申请公布号CN119089931A

(43)申请公布日2024.12.06

(73)专利权人上海熵智信息科技有限公司

地址200335上海市长宁区金钟路658弄10

号3层318室

(72)发明人付贤君王杭

(74)专利代理机构北京天下创新知识产权代理事务所(普通合伙)16044

专利代理师李伟

(51)Int.CI.

GO6N3/086(2023.01)

GO6N3/0985(2023.01)

GO6N5/025(2023.01)

GO6N5/02(2023.01)

GO6N5/04(2023.01)

GO6F16/242(2019.01)

GO6F16/2455(2019.01)GO6F16/25(2019.01)GO6F18/213(2023.01)

GO6F18/22(2023.01)

GO6F18/25(2023.01)

(56)对比文件

CN118296132A,2024.07.05

CN117033657A,2023.11.10

审查员武婷婷

GO6N3/006(2023.01)

GO6N3/042(2023.01)权利要求书4页说明书11页附图3页

(54)发明名称

一种多层语义理解大模型智能体构造及应

用方法

(57)摘要

CN119089931B本发明公开了一种多层语义理解大模型智能体构造及应用方法，包括如下步骤：S1、对输入数据进行预处理；S2、使用大语言模型和对话历史对预处理后的数据进行分析，识别用户意图并提取深层语义特征；S3、从意图识别的数据中提取关键信息，进行结构化表示，并通过动态超参数优化调整模型配置；S4、查询知识图谱，将提取的关键信息与现有数据进行关联和组织，生成结构化知识表示；S5、将结构化知识表示向量化，并存储于向量数据库中，以支持快速相似性搜索；S6、结合生成的统一语义表示和大模型，对用户输入进行深度分析，生成连贯且有逻辑的个性化

CN119089931B

景。

数据预处理

数据预处理

(同义词归一、词形还原、多模态对齐与融合、数据扩展)

语义理解

(大语言模型分析、用户意图识别、深层语义特征提取)

关键信息提取

(命名实体识别、信息抽取、动态超参数优化)

知识图谱查询与生成结构化知识表示

(语义相似度计算、图匹配、语义融合)

结构化知识表示向量化

(嵌入生成、特征提取、维度缩减、向量数据库存储)

响应生成

(大模型分析、上下文生成、自适应上下文生成算法)

CN119089931B权利要求书1/4页

2

1.一种多层语义理解大模型智能体构造及应用方法，其特征在于，包括如下步骤：

S1、对输入数据进行预处理，适应后续的语义理解过程，预处理包括数据清洗与标注、多模态数据对齐与融合、数据增强与扩展；

S2、使用语义理解智能体对预处理后的数据进行分析，通过大语言模型和对话历史，识别用户的意图和需求，并使用混合神经符号推理网络提取深层语义特征；

S3、从识别出的意图数据和提取的深层语义特征中提取关键信息，采用信息抽取技术识别出数据中的实体、关系和事件，形成结构化数据，通过基于进化策略的动态超参数优化，调整模型超参数配置以适应不同数据分布和任务需求，生成优化模型参数；

S4、根据提取的关键信息和优化模型参数，查询知识图谱，将信息进行关联和组织，生成结构化的知识表示；

S5、将生成的结构化知识表示向量化，存储于向量数据库，通过统一注意力机制加权融合不同模态特征，生成统一的语义表示；

S6、结合生成的统一语义表示和大模型，对用户输入进行深度分析，基于上下文信息和对话历史生成相关回