买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网上海市电力公司申请的专利面向专业文本的弱监督知识图谱自动化构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121390253B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511946994.0，技术领域涉及：G06N5/022；该发明授权面向专业文本的弱监督知识图谱自动化构建方法是由徐寅斌;朱婷婷;薛辰达;田莺;胡佳妮;江志清;李梦娇;童林白设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本面向专业文本的弱监督知识图谱自动化构建方法在说明书摘要公布了：本申请提供了面向专业文本的弱监督知识图谱自动化构建方法，涉及知识图谱构建技术领域，包括：将专业文本转换为结构化文本格式，生成预处理文本集合；基于预设的领域图谱模式，利用大语言模型构建结构化知识单元，识别模式冲突，生成候选新模式描述文档；通过多维度置信评估机制评估候选新模式描述文档的综合置信度，动态更新领域图谱模式；对结构化知识单元进行优化重构，计算重构后的弱监督知识图谱的质量指标；重复构建弱监督知识图谱，直至弱监督知识图谱的质量指标达到预设质量稳定阈值，得到专业文本弱监督知识图谱。解决了现有技术中弱监督知识图谱构建存在预设领域图谱模式僵化难以适配新兴知识类型的技术问题。

本发明授权面向专业文本的弱监督知识图谱自动化构建方法在权利要求书中公布了：1.面向专业文本的弱监督知识图谱自动化构建方法，其特征在于，所述方法包括： 将专业文本转换为结构化文本格式，并生成预处理文本集合； 基于预设的领域图谱模式，利用大语言模型从所述预处理文本中以弱监督方式抽取实体、关系及属性，构建结构化知识单元，并识别所述结构化知识单元与所述领域图谱模式之间的模式冲突，生成候选新模式描述文档； 通过多维度置信评估机制评估所述候选新模式描述文档的综合置信度，并动态更新领域图谱模式； 基于更新后的领域图谱模式对所述结构化知识单元进行优化重构，构建弱监督知识图谱，并计算重构后的弱监督知识图谱的质量指标； 重复构建弱监督知识图谱，直至弱监督知识图谱的质量指标达到预设质量稳定阈值，输出最终的专业文本弱监督知识图谱； 其中，基于预设的领域图谱模式，利用大语言模型从所述预处理文本中以弱监督方式抽取实体、关系及属性，构建结构化知识单元，包括： 基于预设的领域图谱模式构建弱监督提示模板，其中，所述弱监督提示模板包括实体类型定义集合、关系类型定义集合和属性定义集合； 将所述预处理文本集合与所述弱监督提示模板共同输入大语言模型，获得实体抽取结果集合、关系抽取结果集合和属性抽取结果集合，并记录实体抽取结果集合、关系抽取结果集合中每个抽取结果的抽取置信度分数； 对所述属性抽取结果集合进行属性值格式验证，生成属性有效性分数； 过滤抽取置信度分数低于预设抽取置信度阈值且属性有效性分数低于预设属性有效性阈值的抽取结果； 基于过滤后的实体抽取结果、关系抽取结果和属性抽取结果，构建包含合格实体集合、合格关系集合和合格属性集合的结构化知识单元； 其中，识别所述结构化知识单元与所述领域图谱模式之间的模式冲突，生成候选新模式描述文档，包括： 基于所述合格实体集合，计算所述合格实体集合中的实体类型与领域图谱模式中预定义实体类型的语义相似度，并取最大语义相似度，作为实体类型语义相似度； 当所述实体类型语义相似度低于预设实体类型冲突阈值时，识别为实体级模式冲突，生成实体级模式冲突实例； 基于所述合格关系集合，计算所述合格关系集合中的关系类型与领域图谱模式中预定义关系类型的语义相似度，并取最大语义相似度，作为关系类型语义相似度； 当所述关系类型语义相似度低于预设关系类型冲突阈值时，识别为关系级模式冲突，生成关系级模式冲突实例； 基于所述实体级模式冲突实例和关系级模式冲突实例，通过大语言模型分析模式冲突上下文语义； 根据模式冲突上下文语义分析结果，通过适配专业场景的大语言模型，生成包含候选新实体类型定义和候选新关系类型定义的候选新模式描述文档。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网上海市电力公司，其通讯地址为：200120 上海市浦东新区源深路1122号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。