買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉齊魯工業(yè)大學(xué)申請的專利基于超圖神經(jīng)網(wǎng)絡(luò)的文檔級事件抽取方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115204171B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210932880.0，技術(shù)領(lǐng)域涉及：G06F40/284；該發(fā)明授權(quán)基于超圖神經(jīng)網(wǎng)絡(luò)的文檔級事件抽取方法及系統(tǒng)是由劉嵩;鞏京昊;來慶涵設(shè)計研發(fā)完成，并于2022-08-04向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于超圖神經(jīng)網(wǎng)絡(luò)的文檔級事件抽取方法及系統(tǒng)在說明書摘要公布了：本發(fā)明屬于文檔級事件抽取領(lǐng)域，提供了一種基于超圖神經(jīng)網(wǎng)絡(luò)的文檔級事件抽取方法及系統(tǒng)，包括獲取文檔的文本數(shù)據(jù)；基于文檔的文本數(shù)據(jù)，利用訓(xùn)練好的文檔級聯(lián)合抽取模型進(jìn)行文檔級事件抽取；模型通過設(shè)計一種改進(jìn)的仿射圖解析器可以更豐富的獲取語法依賴信息以及更長距離的依賴語法信息在局部特征抽取中。另外，還引入了超圖卷積網(wǎng)絡(luò)并用于全局特征抽取，同時構(gòu)造了句子和單詞的關(guān)聯(lián)矩陣并且設(shè)計了一種有效的局部特征和關(guān)聯(lián)矩陣的融合機(jī)制來增強(qiáng)超圖卷積網(wǎng)絡(luò)的特征抽取能力。

本發(fā)明授權(quán)基于超圖神經(jīng)網(wǎng)絡(luò)的文檔級事件抽取方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于超圖神經(jīng)網(wǎng)絡(luò)的文檔級事件抽取方法，其特征在于，包括： 獲取文檔的文本數(shù)據(jù)； 基于文檔的文本數(shù)據(jù)，利用訓(xùn)練好的文檔級聯(lián)合抽取模型進(jìn)行文檔級事件抽取； 其中，所述利用訓(xùn)練好的文檔級聯(lián)合抽取模型進(jìn)行文檔級事件抽取，包括： 通過詞向量嵌入獲取文本數(shù)據(jù)的單詞向量表示，并利用BiLSTM網(wǎng)絡(luò)識別單詞向量表示的單詞序列特征； 對文本數(shù)據(jù)中每個句子的依賴語法信息進(jìn)行解析得到軟鄰接矩陣； 利用圖卷積網(wǎng)絡(luò)學(xué)習(xí)單詞序列特征和軟鄰接矩陣生成局部特征信息； 基于局部特征信息，得到句子向量表示，基于單詞向量表示和句子向量表示，構(gòu)建關(guān)聯(lián)矩陣； 利用超圖卷積網(wǎng)絡(luò)將關(guān)聯(lián)矩陣和局部特征矩陣進(jìn)行融合，得到融合特征矩陣，并基于融合特征矩陣進(jìn)行頂點(diǎn)卷積和超邊卷積，得到單詞在句子中的概念表示，實現(xiàn)文檔級事件抽取。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人齊魯工業(yè)大學(xué)，其通訊地址為：250353 山東省濟(jì)南市長清區(qū)大學(xué)路3501號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。