CN119988570B 基于知识检索增强的车联网时空动态数据的决策支持方法 （集美大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119988570B(45)授权公告日2025.07.11

(21)申请号202510462490.5

(22)申请日2025.04.14

(65)同一申请的已公布的文献号申请公布号CN119988570A

(43)申请公布日2025.05.13

(73)专利权人集美大学

地址361000福建省厦门市集美区银江路

185号

(72)发明人许伟坚方煌杰杨长进高志斌赖联有孙养龙

(74)专利代理机构厦门原创专利事务所(普通合伙)35101

专利代理师黄巧香

(51)Int.CI.

GO6F16/3329(2025.01)

GO6F16/334(2025.01)

GO6F16/36(2019.01)

GO6N5/022(2023.01)

GO6N5/04(2023.01)

GO6F21/62(2013.01)

GO6F21/60(2013.01)

HO4L9/06(2006.01)

HO4L67/12(2022.01)

(56)对比文件

CN119520009A,2025.02.25

WO2024240011A1,2024.11.28审查员卢明英

权利要求书4页说明书11页附图2页

(54)发明名称

基于知识检索增强的车联网时空动态数据的决策支持方法

(57)摘要

CN119988570B本发明公开了一种基于知识检索增强的车联网时空动态数据的决策支持方法，包括：收集车辆内外感知数据，分离出通用数据与隐私数据；对数据进行预处理，对隐私数据进行压缩和加密处理；采用数据知识双驱动模式与大语言模型进行数据处理，转化为结构化数据；构建超关系知识图谱，基于嵌入向量模型进行向量化处理；基于超关系知识图谱进行节点的重要性评估，进行数据更新和增量；将隐私数据保存至本地，通用数据上传至云端的公共数据库，界定公共数据库的动态访问范围；使用本地实体识别模型提取用户提问实体，匹配存在本地与云端的数据，获取背景知识内容，并生成增强检索结果。本

CN119988570B

收集车辆内外感知数据，并从车辆内外感知数据中分离出通

收集车辆内外感知数据，并从车辆内外感知数据中分离出通用数据与隐私数据

对所述通用数据与隐私数据进行预处理，再对隐私数据进行压缩和加密处理，对通用数据进行数据标记与分类处理

将处理后的递用数据与隐私数据采用数据知识双驱动模式与

大语言模型进行基于规则文档的数据处理，将车辆内外感知

数据转化为结构化数据

根据结构化数据构建超关系知识图谱，并基于嵌入向量模型对超关系知识图谱中信息的索引进行向量化处理

基于超关系知识图谱进行节点的重要性评估，对超关系知识图谱进行数据更新和增量扩展

将隐私数据保存至本地，通用数据上传至云端的公共数据库,基于超关系知识图谱界定公共数据库的动态访问范围

使用本地实体识别模型提取用户提问实体，匹配存在本地与云端的数据，获取背景知识内容，并生成增强检索结果

CN119988570B权利要求书1/4页

2

1.一种基于知识检索增强的车联网时空动态数据的决策支持方法，其特征在于，包括如下步骤：

步骤1、收集车辆内外感知数据，并从车辆内外感知数据中分离出通用数据与隐私数

据；

步骤2、对所述通用数据与隐私数据进行预处理，再对隐私数据进行压缩和加密处理，对通用数据进行数据标记与分类处理；

步骤3、将处理后的通用数据与隐私数据采用数据知识双驱动模式与大语言模型进行基于规则文档的数据处理，将车辆内外感知数据转化为结构化数据；

步骤4、根据结构化数据构建超关系知识图谱，并基于嵌入向量模型对超关系知识图谱中信息的索引进行向量化处理；具体包括：

步骤41、基于结构化数据构建超关系知识图谱，将结构化数据中的实体和关系分别表示为超关系知识图谱中的节点和边，每个节点包含实体信息，边表示实体之间的关系；超关系由一个主三元组和若干辅助属性值描述组成，所述主三元组表示为(主体，关系，客体),辅助属性值描述以键值对的形式表示；所述超关系知识图谱表示为：

,class(n),target(n),class(n),relation(e),Level(e))

其中，V是节点集合，每个节点node(n)∈V包含属性class(n),class(n)表示节点键值类别，以列表形