买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京科技大学申请的专利一种退役机电产品领域文本实体关系联合抽取方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115221278B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210760882.6，技术领域涉及：G06F16/334；该发明授权一种退役机电产品领域文本实体关系联合抽取方法及装置是由吴秀丽;马隆洲设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种退役机电产品领域文本实体关系联合抽取方法及装置在说明书摘要公布了：本发明涉及退役机电产品领域文本实体关系联合抽取技术领域，特别是指一种退役机电产品领域文本实体关系联合抽取方法及装置，方法包括：获取样本数据；构建基于分段注意力融合机制的初始实体关系联合抽取模型；将样本数据划分为训练集、验证集和测试集，经过训练与调优得到实体关系联合抽取模型；基于实体关系联合抽取模型以及目标文本数据，对目标文本数据进行实体关系抽取，其中，目标文本数据为待抽取的退役机电产品文本数据。采用本发明，有效缓解实体嵌套和关系重叠问题，充分利用了文本上下文特征，有效提高实体关系联合抽取的准确率。

本发明授权一种退役机电产品领域文本实体关系联合抽取方法及装置在权利要求书中公布了：1.一种退役机电产品领域文本实体关系联合抽取方法，其特征在于，所述方法包括： S1、获取历史退役机电产品文本数据，对所述历史退役机电产品文本数据进行预处理，得到样本数据； S2、构建基于分段注意力融合机制的初始实体关系联合抽取模型； S3、将所述样本数据划分为训练集、验证集和测试集，基于所述验证集对所述初始实体关系联合抽取模型进行调优，基于所述训练集对调优后的初始实体关系联合抽取模型进行训练，基于所述测试集对训练完毕的初始实体关系联合抽取模型进行测试，得到实体关系联合抽取模型； S4、基于所述实体关系联合抽取模型以及目标文本数据，对所述目标文本数据进行实体关系抽取，其中，所述目标文本数据为待抽取的退役机电产品文本数据； 其中，所述实体关系联合抽取模型分为词嵌入层、实体识别层和关系分类层三部分； 所述S4的基于所述实体关系联合抽取模型以及目标文本数据，对所述目标文本数据进行实体关系抽取，包括： S41、将目标文本数据输入到词嵌入层，得到融合语义特征和语法特征的句子特征向量，将所述目标文本数据以及所述句子特征向量输入到实体识别层，将所述句子特征向量输入到关系分类层； S42、基于实体识别层将所述目标文本数据分割成文本片段，基于所述句子特征向量以及所述文本片段，确定所述文本片段的类别，将识别为实体的文本片段确定为实体片段，将实体片段输入到关系分类层； S43、基于关系分类层将实体片段两两组合得到实体对候选集合，基于所述实体对候选集合以及所述句子特征向量，得到实体片段之间的关系类别，进而完成对所述目标文本数据的实体关系抽取； 其中，所述S43中的基于关系分类层将实体片段两两组合得到实体对候选集合，基于所述实体对候选集合以及所述句子特征向量，得到实体片段之间的关系类别，包括： S431、基于关系分类层将实体片段两两组合，添加到实体对候选集合中，所述实体对候选集合中的任一实体对包括第一实体片段和第二实体片段； S432、对于实体对候选集合中的任一实体对，根据所述实体对中的第一实体片段和第二实体片段在目标文本数据中的位置，将所述目标文本数据分割成五个临时片段，所述五个临时片段按照顺序分别为左侧临时片段、第一实体片段、中间临时片段、第二实体片段以及右侧临时片段；根据所述五个临时片段以及所述句子特征向量，确定所述第一实体片段对应的第一实体特征向量、所述第二实体片段对应的第二实体特征向量、所述左侧临时片段对应的左侧临时文本向量、所述中间临时片段对应的中间临时文本向量以及所述右侧临时片段对应的右侧临时文本向量； S433、采取分段注意力融合机制，对所述第一实体特征向量、第二实体特征向量、左侧临时文本向量、中间临时文本向量以及右侧临时文本向量进行特征提取和融合，得到五个临时片段更新后的特征向量； S434、将所述五个临时片段更新后的特征向量输入到全连接网络和softmax函数中，得到每个实体对在每个关系类别和关系不存在上的概率，将概率最大值对应的关系类别确定为实体对中的两个实体片段之间的关系类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。