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！

龍圖騰網獲悉重慶市特種設備檢測研究院(重慶市特種設備事故應急調查處理中心);武漢理工大學申請的專利事件抽取方法、電子設備、存儲介質及程序產品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：CN120408540B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510914969.8，技術領域涉及：G06F18/25；該發明授權事件抽取方法、電子設備、存儲介質及程序產品是由呂瀟;康篤剛;賈海軍;劉宇;羅恒;袁旌杰;黃崧;梅琳;李春林;王佳琪;吳文浩設計研發完成，并于2025-07-03向國家知識產權局提交的專利申請。

本事件抽取方法、電子設備、存儲介質及程序產品在說明書摘要公布了：本申請提供一種事件抽取方法、電子設備、存儲介質及程序產品。方法包括：獲取輸入數據；基于預設特征編碼策略，對輸入數據進行特征編碼，得到觸發詞嵌入和結構嵌入；獲取預設虛擬事件類型嵌入；對觸發詞嵌入、結構嵌入和預設虛擬事件類型嵌入進行特征融合，得到第一特征向量；根據第一特征向量，基于預設卷積網絡預測策略對輸入數據進行概率預測，得到第一預測結果；根據第一特征向量，基于預設雙仿射注意力預測策略對輸入數據進行概率預測，得到第二預測結果；對第一預測結果和第二預測結果進行融合輸出，得到事件抽取結果。如此，可以改善傳統事件抽取方式在無預定義事件模式條件下，存在無法有效識別和抽取文本中事件觸發詞和論元的問題。

本發明授權事件抽取方法、電子設備、存儲介質及程序產品在權利要求書中公布了：1.一種事件抽取方法，其特征在于，所述方法包括： 獲取包含待抽取事件的輸入數據； 基于預設特征編碼策略，對所述輸入數據進行特征編碼，得到表征所述輸入數據的語義特征的觸發詞嵌入和表征所述輸入數據的結構特征的結構嵌入； 獲取表征事件類型特征的預設虛擬事件類型嵌入； 對所述觸發詞嵌入、所述結構嵌入和所述預設虛擬事件類型嵌入進行特征融合，得到所述輸入數據對應的第一特征向量； 根據所述第一特征向量，基于預設卷積網絡預測策略對所述輸入數據進行概率預測，得到第一預測結果； 根據所述第一特征向量，基于預設雙仿射注意力預測策略對所述輸入數據進行概率預測，得到第二預測結果； 對所述第一預測結果和所述第二預測結果進行融合輸出，得到事件抽取結果； 其中，對所述觸發詞嵌入、所述結構嵌入和所述預設虛擬事件類型嵌入進行特征融合，得到所述輸入數據對應的第一特征向量，包括： 對于所述觸發詞嵌入中的目標觸發詞嵌入，通過下式確定所述目標觸發詞嵌入與所述預設虛擬事件類型嵌入的注意力分數，所述目標觸發詞嵌入表征所述觸發詞嵌入中存在重疊情況的觸發詞對應的第二特征向量： ； 式中，表示內積操作，表示目標觸發詞嵌入與第個虛擬事件類型嵌入的注意力分數，，表示預設虛擬事件類型嵌入中的虛擬事件類型嵌入的總數； 基于所述注意力分數對所述預設虛擬事件類型嵌入中的多個虛擬事件類型嵌入進行排序，并選取注意力分數最大的前m個虛擬事件類型嵌入作為目標虛擬事件類型嵌入，m與所述目標觸發詞嵌入中的數量最大值相等； 通過第一預設多層感知機對所述目標虛擬事件類型嵌入進行特征編碼，得到虛擬事件嵌入特征； 對所述觸發詞嵌入和所述虛擬事件嵌入特征進行第一門控條件歸一化操作，得到第一融合特征向量，表示如下： ； ； ； 式中，和分別表示向量各元素相乘和向量拼接操作，、、、為可學習的參數，表示結構嵌入中的特征向量在特征向量條件上進行門控條件歸一化，表示觸發詞嵌入中的特征向量，表示對應的虛擬事件嵌入特征，表示第一門控單元，和為結構嵌入中的特征向量各維度之間的平均值和標準差，表示如下： ； ； 式中，表示結構嵌入中的第個特征向量的第維特征值； 將所述第一融合特征向量與所述結構嵌入進行特征拼接操作，得到第二融合特征向量，作為所述第一特征向量，表示如下： ； 式中，表示單詞到單詞之間的第一融合特征向量，表示結構嵌入，、和為可學習的參數，表示sigmoid激活函數。

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重慶市特種設備檢測研究院(重慶市特種設備事故應急調查處理中心);武漢理工大學，其通訊地址為：401121 重慶市渝北區芙蓉路5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”。