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！

龙图腾网获悉科讯嘉联信息技术有限公司;东南大学申请的专利一种基于多维度重排序的检索增强生成方法及系统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：CN121681787B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610195620.8，技术领域涉及：G06F16/3329；该发明授权一种基于多维度重排序的检索增强生成方法及系统是由卫海智;戚晓芳;陈佳龙设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本一种基于多维度重排序的检索增强生成方法及系统在说明书摘要公布了：本发明公开了一种基于多维度重排序的检索增强生成方法及系统，涉及信息检索技术领域，包括以下步骤：S1、构建张量索引、关键词索引和压缩摘要；S2、通过双任务查询处理模板，驱动Qwen大模型执行查询扩展与假设性答案生成；S3、通过语义与关键词双路索引执行混合检索，并使用改进DistilBERT模型与Qwen大模型执行两级重排序；S4、通过子问题分解进行多维度评估；S5、按照子问题顺序迭代，逐步生成子问题答案；S6、执行多维度评估修正，生成最终答案。本发明克服了传统检索增强生成技术在信息匹配精度、上下文相关性评估及答案生成质量上的局限性，提供了一种高效、精准的解决方案。

本发明授权一种基于多维度重排序的检索增强生成方法及系统在权利要求书中公布了：1.一种基于多维度重排序的检索增强生成方法，其特征在于，包括如下步骤： S1、将原始文档进行分片处理，为每个文本片段构建张量索引和关键词索引，并使用轻量级语言模型对每个文本片段进行信息提炼，生成对应的压缩摘要； S2、通过双任务查询处理模板定义角色、任务描述及输入输出格式，驱动Qwen大模型执行查询扩展与假设性答案生成，将用户原始查询转换为优化查询与假设性完美答案； S3、使用优化查询和假设性完美答案，通过语义与关键词双路索引混合检索生成初始候选集，并使用改进DistilBERT模型与Qwen大模型执行两级重排序，提取精排候选片段集； S4、将用户原始查询、精排候选片段集及精排候选片段集中每个片段的所述对应的压缩摘要输入Qwen大模型，将用户原始查询分解为若干子问题，并基于子问题进行多维度评估，输出结构化评分，根据结构化评分排序生成最终上下文； S5、按照子问题顺序迭代，将当前问题、历史答案和最终上下文输入Qwen大模型，逐步生成答案直至所有子问题回答完毕，将所有子问题答案整合为最终答案初稿； S6、利用Qwen大模型对最终答案初稿进行多维度评估修正，并生成最终答案、对应的置信度分数以及修正日志； 所述改进DistilBERT模型包括特征编码层、后期交互编码层、动态特征提取层、卷积循环增强层、门控自适应融合层和相关性分类输出层： 所述特征编码层用于接收优化查询与文本片段，通过DistilBERT编码器生成查询token张量矩阵和文档token张量矩阵； 所述后期交互编码层用于通过计算查询token张量矩阵中每个张量与文档token张量矩阵中所有张量的余弦相似度，取最大值后求和，生成初始交互分数； 所述动态特征提取层用于接收查询token张量矩阵和文档token张量矩阵，并分别进行平均池化，生成查询平均张量和文档平均张量；将文档token张量矩阵输入以查询平均张量为查询的注意力池化层进行加权聚合，生成动态聚合张量； 所述卷积循环增强层用于通过一维卷积提取局部特征，并利用双向LSTM建模序列依赖，输出循环增强张量； 所述门控自适应融合层用于拼接查询平均张量和文档平均张量，经Sigmoid门控网络生成权重，对循环增强张量进行逐元素加权，生成最终融合表示张量； 所述相关性分类输出层用于拼接初始交互分数与最终融合表示张量，经线性变换与Sigmoid激活，输出相关性概率分数。

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科讯嘉联信息技术有限公司;东南大学，其通讯地址为：230000 安徽省合肥市高新区城西桥社区服务中心望江西路920号中安创谷科技园二期K5栋3层；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。