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！

龙图腾网恭喜北京中科汇理科技有限公司申请的专利一种基于显著性归因的科学论文摘要语步识别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：CN117540731B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202311322278.6，技术领域涉及：G06F40/279；该发明授权一种基于显著性归因的科学论文摘要语步识别方法及系统是由石戈;冯冲设计研发完成，并于2023-10-12向国家知识产权局提交的专利申请。

本一种基于显著性归因的科学论文摘要语步识别方法及系统在说明书摘要公布了：本申请公开了一种基于显著性归因的科学论文摘要语步识别方法及系统，其中方法包括：提取待识别科学论文摘要中每个句子的上下文信息和对应的位置特征信息；编码所述待识别科学论文摘要每个句子的所述上下文信息和所述位置特征信息，并将编码后的所述上下文信息的特征向量与对应位置特征信息的编码向量进行拼接得到对应句子的识别数据；将所述待识别科学论文摘要每个句子的所述识别数据输入基于显著性归因训练得到的语步识别模型，预测得到所述待识别科学论文摘要每个句子的语步标签。通过本申请可以充分的挖掘待识别句子前后语句对待识别句子的标签预测影响，提高语步标签识别准确性。

本发明授权一种基于显著性归因的科学论文摘要语步识别方法及系统在权利要求书中公布了：1.一种基于显著性归因的科学论文摘要语步识别方法，其特征在于，包括以下步骤：提取待识别科学论文摘要中每个句子的上下文信息和对应的位置特征信息；编码所述待识别科学论文摘要每个句子的所述上下文信息和所述位置特征信息，并将编码后的所述上下文信息的特征向量与对应位置特征信息的编码向量进行拼接得到对应句子的识别数据；将所述待识别科学论文摘要每个句子的所述识别数据输入基于显著性归因训练得到的语步识别模型，预测得到所述待识别科学论文摘要每个句子的语步标签；其中，所述基于显著性归因训练得到的语步识别模型的训练过程包括：利用训练数据集进行第一次训练；基于显著性归因和所述第一次训练预测得到的语步标签，对所述训练数据集中训练数据对应的识别数据进行修正，利用训练数据修正后的识别数据进行第二次训练，得到语步识别模型；所述基于显著性归因训练得到的语步识别模型的训练过程包括：收集大量科学论文摘要，并对每篇科学论文摘要进行语步标签的标注，得到训练语料集；提取所述训练语料集中每篇科学论文摘要中每个句子的上下文信息和该句子的位置特征信息，并将句子、对应的上下文信息和位置特征信息关联存储在训练数据集中，其中，所述训练数据集的每个训练数据包括标注了标签的句子以及该句子对应上下文信息和位置特征信息；将所述训练数据集的训练数据输入预训练模型，对当前待识别的句子的所述上下文信息进行编码，并将编码后上下文信息的特征向量与对应位置特征信息的编码向量进行拼接得到当前待识别的句子的识别数据；将所述训练数据集所有训练数据的所述识别数据全部输入多层感知器，预测所述识别数据对应的当前待识别的句子的语步标签，完成第一次训练；根据所述训练数据集预测得到的语步标签计算训练数据集每个句子中每个词对预测的显著性值；通过句子每个词对预测的所述显著性值对句子的上下文信息的特征向量进行修正，并将修正后的上下文信息的特征向量与对应的位置特征信息的编码向量进行拼接得到句子的新的识别数据；将所述训练数据集所有训练数据新的识别数据输入经过第一次训练的多层感知器，完成第二次训练，训练得到语步识别模型；根据所述训练数据集预测得到的语步标签计算训练数据集每个句子中每个词对预测的显著性值包括：对句子进行分词处理，得到组成句子的多个词；利用集成梯度方法计算句子的每个词对预测的显著性值；其中，使用损失函数L作为期望的模型并相应地进行评估，句子的词wi对预测的显著性值的计算公式如下： 其中，S＝[w1,w2,…,wN]为包括N个词的句子；Gs为句子S的句子级事件标签；i表示句子S的第i个词；xi是句子的词wi在BERT模型中的向量表示，XS是句子S在BERT中的输入嵌入；X'是全零向量序列，x'i表示X'中的第i个元素；α为定积分的自变量，取值从0到1； 其中，N为句子S的词的总数；n为数列求和公式下标；||||表示正则化函数L2范数。

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北京中科汇理科技有限公司，其通讯地址为：102218 北京市昌平区东小口镇天通中苑二区21号楼9层907；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”。