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！

龙图腾网获悉山西大学申请的专利融合位置嵌入与注意力矩阵的异构图交互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：CN115935059B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211493477.9，技术领域涉及：G06F16/353；该发明授权融合位置嵌入与注意力矩阵的异构图交互事件抽取方法是由郭鑫;王雪婧;陈千;王素格设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本融合位置嵌入与注意力矩阵的异构图交互事件抽取方法在说明书摘要公布了：本发明涉及自然语言处理技术领域，公开了一种融合位置嵌入与注意力矩阵的异构图交互事件抽取方法。该方法首先对文档进行实体识别，将其作为候选论元；接着构建融合位置嵌入与注意力矩阵的异构图网络，从全局捕获上下文实体关系及语义顺序信息；然后进行事件类型检测，检测文档表达的特定事件类型；最后进行事件论元抽取，从实体中为所表达的事件寻找合适的论元。该方法融合了位置嵌入与注意力矩阵，能更好地结合文档中全局上下文语义关系与语义顺序信息，同时不需要识别事件触发词，减少了人工标注的压力，提高了事件抽取的准确率，同时应用场景也更为广泛。通过在金融数据集和传染病新闻数据集上的验证，也证明本发明方法优于现有其他方法。

本发明授权融合位置嵌入与注意力矩阵的异构图交互事件抽取方法在权利要求书中公布了：1.一种融合位置嵌入与注意力矩阵的异构图交互事件抽取方法，其特征在于，所述方法包括以下步骤： 步骤1，从文档中识别实体，并将其作为候选论元； 步骤2，构建融合位置嵌入与注意力矩阵的异构图网络，从全局捕获上下文实体关系及语义顺序信息； 步骤3，事件类型检测，检测文档所表达的特定事件类型； 步骤4，事件论元抽取，为所表达的事件寻找合适的论元； 所述步骤2具体为： 步骤2.1，利用文档D中的实体提及节点和句子节点构建异构图，其中句子节点的构建通过对句子内包含的所有词的表示进行平均池化获得；同时，以四种构建边的方式连接句子节点与句子节点、句子节点与实体提及节点、同一句子的不同实体提及节点和处于不同句子的相同实体提及节点，以此构建异构图，并采用图卷积神经网络GCN对全局交互建模； 步骤2.2，融合实体注意力关系矩阵来聚合信息，结合异构图邻接矩阵共同过滤，增强或削弱图中边的重要性，强调上下文实体之间的关联； 步骤2.3，使用融合位置嵌入的图卷积神经网络对异构图信息建模，使图卷积神经网络能够具备捕捉语义顺序信息的能力； 所述步骤3具体为： 利用句子特征矩阵S通过多头注意力机制来检测事件类型： 10； 11； 上式中，、均表示权重参数，表示可能的事件类型数量； 该阶段损失函数为： 12； 式中，表示经过多标签分类任务得到的标签，表示序列的黄金标签； 所述步骤4中事件论元抽取包含事件记录抽取与论元抽取两部分，具体为： 步骤4.1，以有序树的形式构建事件记录，首先手动定义事件角色顺序，即论元提取顺序，然后从一个虚拟根节点开始，树按照预测论元顺序受约束的按序拓展，而一个论元角色在文档中可能存在多个合格的实体，因此当前节点可能展开分支，且每条路径被唯一标识；最后，对于由一系列实体组成的第条记录路径，对其相应的实体表示序列经过LSTM编码得到隐藏状态，并向其中加入事件类型嵌入，存入全局内存模块中，表示第i条记录路径表示； 步骤4.2，利用跟踪器不断地动态跟踪提取的记录，当提取当前路径的下一个论元时，利用融合特定角色信息的实体嵌入矩阵、句子特征矩阵、当前实体路径和全局内存，通过Transformer得到新的实体特征矩阵、更新的句子节点嵌入矩阵表示、更新后的实体序列表示和更新后的全局内存表示，具体如下：13； 14； 式中，表示第个角色信息的嵌入； 以基于的二分类任务作为路径拓展的基础，即预测第个实体是否为当前记录的下一个论元角色，并相应展开路径； 该阶段损失函数为：15； 式中，表示事件记录树集合中的节点，表示当前路径的所有节点，表示序列的黄金标签。

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山西大学，其通讯地址为：030006 山西省太原市小店区坞城路92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”。

以上内容由龙图腾AI智能生成。