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！

龙图腾网获悉中国计量大学申请的专利基于语义注入增强的事件抽取模型的构建及事件抽取方法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：CN120163231B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510639331.8，技术领域涉及：G06N5/025；该发明授权基于语义注入增强的事件抽取模型的构建及事件抽取方法是由居国阳;陈薇;戚园园;孙梦婷;汪晓锋设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本基于语义注入增强的事件抽取模型的构建及事件抽取方法在说明书摘要公布了：本技术方案提供了一种基于语义注入增强的事件抽取模型的构建及事件抽取方法，基于定义事件抽取任务的任务描述、事件类型、事件角色表、语义增强表以及结构化输出约束构建提示模板，将事件文本以及对应的提示模板作为微调数据集，对微调数据集进行增强处理，利用微调数据集训练大语言模型的输出内容至损失函数满足要求，得到基于语义注入增强的事件抽取模型，其中大语言模型训练使用的损失函数为原型损失和交叉熵损失的合值，其中反映原型结构问题的原型损失由自大语言模型的输出内容中提取的预测事件类型同基于语义增强表中构建的语义锚点字典计算得到，提高事件抽取的准确率和泛化能力。

本发明授权基于语义注入增强的事件抽取模型的构建及事件抽取方法在权利要求书中公布了：1.一种基于语义注入增强的事件抽取模型的构建方法，其特征在于，包括以下步骤： S1：获取至少一个事件文本，并确定事件文本的事件类型和事件角色表； S2：基于不同事件类型的数据集样本构建对应的语义增强表，其中语义增强表内记录对应当前事件类型的语义增强词和或语义特征，其中语义增强词为同当前事件类型的语义表达含义相近的词汇，语义特征为表征当前事件类型的语义增强信息的特征； S3：基于定义事件抽取任务的任务描述、事件类型、事件角色表、语义增强表以及结构化输出约束构建提示模板，将事件文本以及对应的提示模板作为微调数据集，其中结构化输出约束规定事件抽取任务的输出内容和输出格式； S4：对微调数据集进行增强处理； S5：利用微调数据集训练大语言模型的输出内容至损失函数满足要求，其中大语言模型训练使用的损失函数为原型损失和交叉熵损失的合值，其中反映原型结构问题的原型损失由自大语言模型的输出内容中提取的预测事件类型同基于语义增强表中构建的语义锚点字典计算得到，其中原型损失为大语言模型的输出内容中提取的预测事件类型同语义锚点字典中和对应当前事件类型的语义锚点的余弦距离，计算公式如下： ； ； 其中h为大语言模型的隐藏状态中提取的预测事件类型的均值,p为对应事件类型的语义锚点，hi指的是第i个隐藏状态的预测事件类型，n表示隐藏状态的数量；ei指的是对应当前事件类型的第i个语义增强词或者语义特征的词嵌入向量，m表示当前事件类型对应的语义增强词或者语义特征的数量; 关于语义锚点字典的获取方式如下： 使用分词器将语义增强表中的语义增强词或者语义特征编码为token序列，并通过词嵌入层将token序列转换为词嵌入向量，取语义增强词或者语义特征的词嵌入向量的均值作为语义锚点，将语义锚点作为值，事件类型作为键构建键值对，并存储不同事件类型的键值对得到语义锚点字典。

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中国计量大学，其通讯地址为：310000 浙江省杭州市下沙高教园区学源街258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”。