Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜华南师范大学项冠华获国家专利权

恭喜华南师范大学项冠华获国家专利权

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!

龙图腾网恭喜华南师范大学申请的专利一种实体关系抽取方法、装置、电子设备及存储介质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:CN115048926B

龙图腾网通过国家知识产权局官网在2025-06-03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:202210384509.5,技术领域涉及:G06F40/295;该发明授权一种实体关系抽取方法、装置、电子设备及存储介质是由项冠华;刘帅设计研发完成,并于2022-04-13向国家知识产权局提交的专利申请。

一种实体关系抽取方法、装置、电子设备及存储介质在说明书摘要公布了:本发明涉及一种实体关系抽取方法、装置、电子设备及存储介质。本发明所述的实体关系抽取方法包括:获取待抽取实体关系的句子;对待抽取实体关系的句子进行编码,得到句子表示;对句子表示进行依赖解析处理,得到待抽取实体关系的句子的结构信息;对句子的结构信息使用注意力机制和池化操作,提取句子的局部特征和全局特征,得到基于关系的语义信息;拼接结构信息和语义信息,得到待抽取实体关系的句子对应的句子表征;对句子表征进行解码,得到待抽取实体关系的句子的实体关系三元组。本发明所述的一种实体关系抽取方法,通过Bi‑LSTM和GCN两次对单词的依赖抽取,和基于关系的注意力机制训练,提升了模型的鲁棒性。

本发明授权一种实体关系抽取方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种实体关系抽取方法,其特征在于,包括以下步骤:获取待抽取实体关系的句子;对所述待抽取实体关系的句子进行编码,得到句子表示,其中,所述句子表示包含句子中每个词的向量表示;对所述句子表示进行依赖解析处理,得到所述待抽取实体关系的句子的结构信息;对所述句子的结构信息使用注意力机制和池化操作,提取所述句子的局部特征和全局特征,得到基于关系的语义信息;拼接所述结构信息和所述语义信息,得到所述待抽取实体关系的句子对应的句子表征;对所述句子表征进行解码,得到所述待抽取实体关系的句子的实体关系三元组;对所述待抽取实体关系的句子进行编码,得到句子表示,包括:对于给定长度为n的句子s={W1,W2,…,Wn},用xi表示句子中的每一个的单词表征Wi,其中xi由单词Wi的词嵌入位置嵌入和字符嵌入拼接而成,即将所述待抽取实体关系的句子输入Bi-LSTM网络,使用以下公式,提取句子中每个单词Wi对应的隐藏向量hi,得到句子表示得到所述待抽取实体关系的句子的句子表示: 其中,hi为句子中相应位置第i个单词对应的隐藏向量;对所述句子表示进行依赖解析处理,得到所述待抽取实体关系的句子的结构信息,包括:将所述句子表示生成对应的依赖树,使用以下公式,得到所述依赖树的节点表征 其中,Aij为邻接矩阵,如果有边从节点i到节点j,则Aij=1和Aji=1,否则Aij=0和Aji=0;Wl为权矩阵,bl为偏置向量,ρ为激活函数,为更新后的最终节点表征;构建一个基于注意力机制的邻接矩阵输出计算为值的加权和,其中权重由具有相应键的查询函数计算,加入多头注意力机制邻接矩阵的计算如下: 其中,Q和K都等于上一节中l-1层的集合表示表示第t个头的邻接矩阵,和V是注意力机制中输入所需要相乘的矩阵;使用以下公式,更新依赖树中每一层的节点表征 其中,为更新后的节点表征,ρ为激活函数,是更新完成的邻接矩阵,Wl和是与注意力引导邻接矩阵相关的权重矩阵和偏差项,为连接后的节点表征,xj为节点的初始输入,即节点更新完成的表示节点j的l层表征;使用以下公式,得到所述待抽取实体关系的句子对应的结构信息hcomb: 其中,hout=[h1;…;hl],是将l个分离的密连层的输出连接起来的输出;Wcomb为权重矩阵,bcomb为线性变换的偏置向量,hi为句子中相应位置第i个单词对应的隐藏向量;对所述句子的结构信息使用注意力机制和池化操作,提取所述句子的局部特征和全局特征,得到基于关系的语义信息,包括:将所述句子的结构信息输入平均池中进行平均池化处理,使用以下公式,得到句子的全局表征Sg:Sg=avghk其中,hk={hcomb1;…;hcombi};将所述句子的全局表征Sg、所述句子的结构信息hcomb和关系嵌入矩阵R一起输入到基于关系的注意力机制中,使用以下公式,得到基于关系的句子语义表征Sk和关系矩阵Rk;Sk,Rk=attentionhk,Sg,R其中,Sk为句子的语义表征,Rk为句子的关系矩阵,attention为注意力机制计算,R是第k种关系的可训练的初始矩阵;拼接所述句子的全局表征Sg和语义表征Sk,得到基于关系的语义信息Uk。

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华南师范大学,其通讯地址为:528225 广东省佛山市南海区狮山南海软件科技园华南师范大学软件学院;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。