買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)標(biāo)準(zhǔn)化研究院申請(qǐng)的專(zhuān)利一種基于非結(jié)構(gòu)化文檔的知識(shí)重組檢索方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120179809B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510434778.1，技術(shù)領(lǐng)域涉及：G06F16/334；該發(fā)明授權(quán)一種基于非結(jié)構(gòu)化文檔的知識(shí)重組檢索方法是由王蒙湘;付強(qiáng);崔寧寧;邱濤;宗傳玉;劉娜;張雨辰設(shè)計(jì)研發(fā)完成，并于2025-04-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于非結(jié)構(gòu)化文檔的知識(shí)重組檢索方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于非結(jié)構(gòu)化文檔的知識(shí)重組檢索方法，涉及知識(shí)重組檢索領(lǐng)域，主要方案為：提取用于分析的文本數(shù)據(jù)，通過(guò)對(duì)文本數(shù)據(jù)進(jìn)行深度分析，得到每個(gè)關(guān)系分析文本的后驗(yàn)概率和類(lèi)別概率，實(shí)現(xiàn)對(duì)所有非結(jié)構(gòu)化文檔數(shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)；通過(guò)將檢索提示詞轉(zhuǎn)化為檢索文檔數(shù)據(jù)，通過(guò)數(shù)據(jù)處理分析，得到對(duì)應(yīng)檢索文檔數(shù)據(jù)的后驗(yàn)概率和類(lèi)別概率，根據(jù)后驗(yàn)概率和類(lèi)別概率篩選出符合要求的非結(jié)構(gòu)化文檔數(shù)據(jù)，避免出現(xiàn)傳統(tǒng)的非結(jié)構(gòu)化文檔處理方法難以高效地將大量非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為可供分析的結(jié)構(gòu)化形式，實(shí)體識(shí)別和關(guān)系抽取獨(dú)立進(jìn)行，缺乏對(duì)兩者之間關(guān)聯(lián)性的有效整合，導(dǎo)致信息提取不完整和不準(zhǔn)確的問(wèn)題，顯著提高了文本分析和分類(lèi)的準(zhǔn)確性和效率。

本發(fā)明授權(quán)一種基于非結(jié)構(gòu)化文檔的知識(shí)重組檢索方法在權(quán)利要求書(shū)中公布了：1.一種基于非結(jié)構(gòu)化文檔的知識(shí)重組檢索方法，其特征在于，包括： 步驟一：獲取非結(jié)構(gòu)化文檔數(shù)據(jù)，對(duì)非結(jié)構(gòu)化文檔數(shù)據(jù)進(jìn)行預(yù)處理，并提取用于分析的文本數(shù)據(jù)，形成結(jié)構(gòu)化文本； 步驟二：通過(guò)實(shí)體識(shí)別工具識(shí)別每一個(gè)結(jié)構(gòu)化文本，輸出標(biāo)注有實(shí)體類(lèi)型和詞匯關(guān)系的實(shí)體信息文本； 步驟三：通過(guò)關(guān)系抽取工具分析每個(gè)實(shí)體信息文本，抽取出實(shí)體信息文本中的實(shí)體類(lèi)型和不同實(shí)體類(lèi)型之間的關(guān)系詞，構(gòu)成關(guān)系分析文本； 步驟四：通過(guò)BERT預(yù)訓(xùn)練模型對(duì)關(guān)系分析文本進(jìn)行處理，獲取與每個(gè)關(guān)系分析文本對(duì)應(yīng)的嵌入向量；具體而言，將關(guān)系分析文本輸入BERT預(yù)訓(xùn)練模型，將關(guān)系分析文本中的實(shí)體類(lèi)型和詞匯關(guān)系映射到模型的詞匯表中，對(duì)應(yīng)唯一標(biāo)識(shí)符或索引，形成整數(shù)序列T={t1,t2,…,tn}，將整數(shù)序列T輸入BERT預(yù)訓(xùn)練模型的嵌入層，得到初始嵌入向量E={e1,e2,…,en}，將初始嵌入向量E輸入BERT預(yù)訓(xùn)練模型的Transformer編碼器中，輸出注意力分?jǐn)?shù)向量；將注意力分?jǐn)?shù)向量輸入前饋神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)注意力分?jǐn)?shù)向量進(jìn)行非線(xiàn)性轉(zhuǎn)換，得出注意力轉(zhuǎn)換向量；將注意力分?jǐn)?shù)向量和注意力轉(zhuǎn)換向量進(jìn)行殘差連接和層歸一化，得到嵌入向量；注意力轉(zhuǎn)換向量的計(jì)算方法為： 將注意力分?jǐn)?shù)向量輸入前饋神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)注意力分?jǐn)?shù)向量進(jìn)行非線(xiàn)性轉(zhuǎn)換，得出注意力轉(zhuǎn)換向量，所依據(jù)的公式如下： ； 其中，W 1 是轉(zhuǎn)換權(quán)重二，W 2 是轉(zhuǎn)換權(quán)重三，b1是偏置參數(shù)一，b2是偏置參數(shù)二； 步驟五：將嵌入向量輸入通過(guò)圖神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，并輸出嵌入表示向量； 步驟六：通過(guò)樸素貝葉斯模型對(duì)嵌入表示向量進(jìn)行分析，輸出每個(gè)關(guān)系分析文本的后驗(yàn)概率和類(lèi)別概率，并對(duì)所有非結(jié)構(gòu)化文檔數(shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)； 步驟七：輸入法律領(lǐng)域的檢索提示詞后，檢索提示詞形成檢索文檔數(shù)據(jù)，通過(guò)步驟一至步驟六的數(shù)據(jù)處理分析，得到對(duì)應(yīng)檢索文檔數(shù)據(jù)的后驗(yàn)概率和類(lèi)別概率，根據(jù)后驗(yàn)概率和類(lèi)別概率篩選出符合要求的非結(jié)構(gòu)化文檔數(shù)據(jù)，作為此次檢索的檢索結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)標(biāo)準(zhǔn)化研究院，其通訊地址為：100080 北京市海淀區(qū)知春路4號(hào)；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(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。