買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山西大學申請的專利基于框架語義映射和類型感知的篇章事件抽取方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115168541B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210827114.8，技術領域涉及：G06F16/334；該發明授權基于框架語義映射和類型感知的篇章事件抽取方法及系統是由李茹;盧江;梁吉業;譚紅葉;王智強設計研發完成，并于2022-07-13向國家知識產權局提交的專利申請。

本基于框架語義映射和類型感知的篇章事件抽取方法及系統在說明書摘要公布了：本發明涉及知識圖譜和自然語言處理領域，公開了一種基于框架語義映射和類型感知的篇章事件抽取方法及系統。系統包括編碼器模塊、事件檢測模塊以及論元識別模塊。方法中框架語義映射是在事件檢測模塊中將漢語框架網ChineseFrameNet，CFN與篇章事件進行映射，同時在文本輸入階段對篇章進行滑窗機制的文本切分并融入觸發詞釋義信息，從而改善了篇章事件抽取中的數據稀疏問題；而類型感知則是在論元識別模塊中通過事件類型標簽對篇章多事件進行分離，將篇章多事件轉化為多個單事件，緩解了多值論元耦合問題，最后本發明將事件檢測與論元識別兩個模塊的輸出標簽進行整合，形成完整的事件表示，在中文篇章事件抽取相關數據集上取得了良好的效果。

本發明授權基于框架語義映射和類型感知的篇章事件抽取方法及系統在權利要求書中公布了：1.一種基于框架語義映射和類型感知的篇章事件抽取方法，其特征在于：包括以下步驟： 步驟1：通過編碼器模塊對事件檢測模塊和論元識別模塊的文本分別進行編碼，得到篇章片段、觸發詞釋義信息以及事件類型標簽中每個字或詞的向量表示； 步驟2：在事件檢測模塊中針對篇章事件數據稀疏問題，建立了CFN框架與中文事件的兩級映射，進而融合篇章觸發詞釋義信息和CFN相關事件句對預先定義的事件類型進行預測； 步驟3：在論元識別模塊中針對多值論元耦合問題，建立了基于類型標簽感知的多事件分離器，通過預先定義的事件論元角色對文本中的論元進行預測； 步驟4，將事件檢測模塊預測的全部事件類型標簽與論元識別模塊預測的所有論元標簽進行拼接，即完成最終的篇章事件抽取； 所述步驟2包括CFN框架與中文事件映射和序列建模兩部分；具體操作為： （1）CFN框架與中文事件映射：將篇章事件與CFN框架映射后的相關事件句、觸發詞釋義以及滑動窗口的文本片段通過編碼器模塊得到片段和觸發詞釋義的向量，為了進一步增強篇章中的長實體信息的表示，在預訓練模型之后加入進一步增強其語義表示，具體計算過程見如下公式所示： ； ； 表示隱層向量，包含前向向量和后向向量，經過向量拼接作為下一層的輸入； （2）序列建模：在解碼階段，將隱層輸出作為CRF發射概率，CRF層轉移概率矩陣表示從第個標簽到第個標簽的轉移得分，因此對于已知的輸入序列對應的輸出標簽結果為，定義當前序列得分的計算如下公式所示： ； 其中，表示第個位置輸出為的概率；完整序列的得分等于每個位置打分之和，每個位置得分由隱層輸出向量和轉移矩陣共同組成；最后利用計算事件類型標簽歸一化后的概率，如下公式所示： ； 式中表示輸出標簽的歸一化值，采用最大對數似然函數優化目標函數，其對數似然計算如下公式所示： ； 使用動態規劃算法求得最優標簽序列，表示輸入序列，表示真實標簽，表示預測標簽，其計算如下公式所示： ； 經過融合CFN框架語義映射后的事件檢測模型，能夠很好的解決篇章事件中的數據稀疏問題，提升事件類型識別的準確率。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山西大學，其通訊地址為：030006 山西省太原市塢城路92號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。