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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于通识大模型和迁移学习的私有知识内容生成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：CN117151245B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311172659.0，技术领域涉及：G06N20/00；该发明授权基于通识大模型和迁移学习的私有知识内容生成方法是由张慧;丁鲲;张骁雄;蒋国权;刘姗姗;刘茗设计研发完成，并于2023-09-12向国家知识产权局提交的专利申请。

本基于通识大模型和迁移学习的私有知识内容生成方法在说明书摘要公布了：本申请涉及一种基于通识大模型和迁移学习的私有知识内容生成方法。所述方法包括：获取结构化数据库，对结构化数据库中的结构化关系型数据进行表之间的外键关联得到表关联数据；分别对表关联数据进行处理得到文本数据集和指令数据集，利用文本数据集以及指令数据集对通识大模型进行lora微调得到私有知识大模型；获取实时私有数据，根据实时私有数据对应的若干分段文本向量构建参考材料向量库，从参考材料向量库中选取与用户输入对应的输入向量最相近的参考材料向量得到对应的参考材料；将用户输入和参考材料按照指令模板进行拼接，将拼接后的结果输入私有知识大模型以得到对应的生成内容。采用本方法能够提高生成内容的实时性和有效性。

本发明授权基于通识大模型和迁移学习的私有知识内容生成方法在权利要求书中公布了：1.一种基于通识大模型和迁移学习的私有知识内容生成方法，其特征在于，所述方法包括： 获取当前业务模式所需企业私有数据对应的结构化数据库，对所述结构化数据库中的结构化关系型数据进行表之间的外键关联，得到表关联数据； 分别采用sql2text方法和sql2Instruction方法对所述表关联数据进行处理，得到文本数据集和指令数据集，利用所述文本数据集以及所述指令数据集对预先训练的通识大模型进行lora微调，得到私有知识大模型； 获取实时私有数据，根据所述实时私有数据对应的若干分段文本向量构建参考材料向量库，获取用户输入，对所述用户输入进行向量转换，得到输入向量，从所述参考材料向量库中选取与所述输入向量最相近的参考材料向量，得到所述用户输入对应的参考材料； 将所述用户输入和所述参考材料按照指令模板进行拼接，将拼接后的结果输入所述私有知识大模型，以得到对应的生成内容； 从所述参考材料向量库中选取与所述输入向量最相近的参考材料向量，得到所述用户输入对应的参考材料的步骤，包括： 计算所述输入向量与参考材料向量库中的参考材料向量之间的余弦相似度，根据每一参考材料向量对应的余弦相似度与预设阈值之间的大小关系，得到所述用户输入对应的参考材料； 根据每一参考材料向量对应的余弦相似度与预设阈值之间的大小关系，得到所述用户输入对应的参考材料的步骤，包括： 获取私有知识大模型支持的最大输入长度和相似度差值区间；所述相似度差值区间包括最小差值和最大差值； 将每一参考材料向量对应的余弦相似度按照降序排序，得到相似度列表； 遍历所述相似度列表中的每一余弦相似度，计算当前余弦相似度与符合预设条件的上一排序相似度的相似度差值，根据所述相似度差值与所述相似度差值区间的关系，得到用户输入对应的参考材料；所述用户输入与所述参考材料的总长度小于所述最大输入长度; 所述利用所述文本数据集以及所述指令数据集对预先训练的通识大模型进行lora微调，得到私有知识大模型的步骤，包括： 根据所述文本数据集以及所述指令数据集，得到混合数据集； 将待训练参数分解为降维矩阵和升维矩阵，根据所述通识大模型的参数和所述待训练参数，得到私有知识大模型的参数； 将所述混合数据集输入所述通识大模型中，对所述私有知识大模型的参数进行迭代训练，直到模型输出和真实答案的差距最小时，停止迭代，得到私有知识大模型。

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中国人民解放军国防科技大学，其通讯地址为：210001 江苏省南京市秦淮区后标营18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。