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)獲悉北京市科學(xué)技術(shù)研究院申請的專利一種科情圖文知識庫構(gòu)建方法、設(shè)備及介質(zhì)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：CN119782505B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202411855157.2，技術(shù)領(lǐng)域涉及：G06F16/334；該發(fā)明授權(quán)一種科情圖文知識庫構(gòu)建方法、設(shè)備及介質(zhì)是由吳素研;侯元元;張士運(yùn);呂志堅;徐冠寧;熊蕊;杜麗萍;汪霜傲設(shè)計研發(fā)完成，并于2024-12-16向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種科情圖文知識庫構(gòu)建方法、設(shè)備及介質(zhì)在說明書摘要公布了：本申請公開了一種科情圖文知識庫構(gòu)建方法、設(shè)備及介質(zhì)，涉及知識庫構(gòu)建領(lǐng)域，方法包括：對于每篇科研文件，將對應(yīng)的科研文本及科研圖片輸入至預(yù)設(shè)的科研圖片?文本匹配模型中以得到科研圖片?文本對；預(yù)設(shè)的科研圖片?文本匹配模型為采用訓(xùn)練樣本集對預(yù)設(shè)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的；基于科研圖片?文本對，抽取科研實(shí)體及對應(yīng)的屬性、兩個科研實(shí)體之間的關(guān)系，并映射至預(yù)設(shè)科情圖文知識庫本體中，以得到科情圖文知識庫；預(yù)設(shè)科情圖文知識庫本體包括多個三元組，每個三元組均包括兩個科研實(shí)體、兩個科研實(shí)體之間的關(guān)系及每個科研實(shí)體的屬性。本申請構(gòu)建了包含圖文信息的科情圖文知識庫，從而提高數(shù)據(jù)的價值和利用效率。

本發(fā)明授權(quán)一種科情圖文知識庫構(gòu)建方法、設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種科情圖文知識庫構(gòu)建方法，其特征在于，所述科情圖文知識庫構(gòu)建方法包括： 獲取含有圖片的多篇科研文件并進(jìn)行預(yù)處理，以得到每篇所述科研文件對應(yīng)的科研文本及科研圖片； 對于每篇科研文件，將對應(yīng)的所述科研文本及所述科研圖片輸入至預(yù)設(shè)的科研圖片-文本匹配模型中，以得到科研圖片-文本對；所述預(yù)設(shè)的科研圖片-文本匹配模型為采用訓(xùn)練樣本集對預(yù)設(shè)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的； 獲取預(yù)設(shè)科情圖文知識庫本體；所述預(yù)設(shè)科情圖文知識庫本體包括多個三元組，每個三元組均包括兩個科研實(shí)體、兩個所述科研實(shí)體之間的關(guān)系及每個所述科研實(shí)體的屬性； 基于所述科研圖片-文本對，抽取所述科研實(shí)體及對應(yīng)的屬性、兩個所述科研實(shí)體之間的關(guān)系，并映射至所述預(yù)設(shè)科情圖文知識庫本體中，以得到科情圖文知識庫； 所述預(yù)設(shè)的科研圖片-文本匹配模型包括視覺編碼器、文本編碼器、外部知識結(jié)合模塊、跨模態(tài)匹配模塊及損失函數(shù)模塊； 所述視覺編碼器的輸入端用于接收所述科研圖片，所述視覺編碼器的輸出端與所述跨模態(tài)匹配模塊的第一輸入端連接；所述文本編碼器的輸入端用于接收所述科研文本，所述文本編碼器的輸出端與所述跨模態(tài)匹配模塊的第二輸入端連接；所述跨模態(tài)匹配模塊的輸出端與所述損失函數(shù)模塊連接； 所述視覺編碼器，采用卷積神經(jīng)網(wǎng)絡(luò)，對科研圖片進(jìn)行整體建模，以得到圖片全局視覺表示，再采用自注意機(jī)制或圖卷積網(wǎng)絡(luò)強(qiáng)化視覺模態(tài)內(nèi)實(shí)體間關(guān)系；所述文本編碼器，利用Transformer模型將多頭注意力機(jī)制引入文本編碼器中，對文本語句進(jìn)行建模，以得到相應(yīng)表示；所述跨模態(tài)匹配模塊，通過將視覺特征和文本特征聯(lián)合嵌入到共空間中進(jìn)行跨模態(tài)語義相似性估計，來衡量跨模態(tài)語義相似性；所述損失函數(shù)模塊，采用相同的排序函數(shù)來學(xué)習(xí)，如鉸鏈排序損失和雙向鉸鏈排序損失；在訓(xùn)練過程中，損失函數(shù)的值達(dá)到預(yù)設(shè)損失條件時，結(jié)束訓(xùn)練； 所述外部知識結(jié)合模塊設(shè)置在所述視覺編碼器與所述文本編碼器之間，所述外部知識結(jié)合模塊用于：度量所述科研圖片與對應(yīng)在所述科研文本中的文本段落位置之間的距離，并作為圖片-文本對距離特征分別送入所述視覺編碼器及所述文本編碼器。

如需購買、轉(zhuǎn)讓、實(shí)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)人北京市科學(xué)技術(shù)研究院，其通訊地址為：100089 北京市海淀區(qū)西三環(huán)北路27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)”。