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！

龙图腾网获悉东南大学申请的专利基于双层多门控专家混合模型的多任务NL2SQL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：CN115809314B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202211448380.6，技术领域涉及：G06F16/334；该发明授权基于双层多门控专家混合模型的多任务NL2SQL方法是由高传宝;郝晨铎;张旭;周德宇设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于双层多门控专家混合模型的多任务NL2SQL方法在说明书摘要公布了：本发明公开了基于双层多门控专家混合模型MMOE的多任务NL2SQL方法，包括以下步骤：步骤1编码层构建步骤，用于获取问题和表模式的嵌入表示；步骤2多门控循环神经网络混合层构建步骤，用于利用多门控专家混合模型，进一步提取不同类型的语义信息，步骤3多门控注意力池化混合层构建步骤，用于利用多门控专家混合模型，获取不同子任务下的问题的向量表示；步骤4子任务学习层构建步骤，用于对各项子任务进行预测；步骤5多任务NL2SQL模型训练步骤，用于构建损失函数，构建优化函数。本发明在查询匹配正确率上的提升尤为显著，说明本发明的模型对于NL2SQL的数据集有着显著的效果提升。

本发明授权基于双层多门控专家混合模型的多任务NL2SQL方法在权利要求书中公布了：1.一种基于双层多门控专家混合模型的多任务NL2SQL方法，其特征在于， 所述方法包括以下步骤： 步骤1：编码层构建步骤，用于获取问题和表模式的嵌入表示； 步骤2：多门控循环神经网络混合层构建步骤，用于利用多门控专家混合模型，进一步提取不同类型的语义信息； 步骤3：多门控注意力池化混合层构建步骤，用于利用多门控专家混合模型， 获取不同子任务下的问题的向量表示； 步骤4：子任务学习层构建步骤，用于对各项子任务进行预测； 步骤5：多任务NL2SQL模型训练步骤，用于构建损失函数，构建优化函数； 其中，步骤2中多门控循环神经网络混合层的构建步骤具体为： 首先，设计一个专家系统，其使用双向LSTM即BiLSTM循环神经网络，来进一步获取问题和表模式的语义信息： z1,...,zn+m＝BiLSTMh1,...,hn+m 其中hi为第i个token的向量表示，BiLSTM为双向LSTM循环神经网络，zi为第i个token经过双向LSTMBiLSTM循环神经网络后的向量表示； 为了获取不同类型的语义信息，设置三个这样的专家系统，每个专家系统都能学习到自己擅长的领域，将编码层的输出同时输入进三个的专家系统中，以获取不同类型的语义信息： Z1＝BiLSTMh1,...,hn+m Z2＝BiLSTMh1,...,hn+m Z3＝BiLSTMh1,...,hn+m 其中hi为第i个token的向量表示，BiLSTM为双向LSTM循环神经网络，Zi为问题和表模式的表示经过第i个双向LSTM循环神经网络后的表示； 之后，设计一个门控系统，用来整合三个专家系统的输出，即生成三组权重，每组权重有三个权值，将三个专家系统的输出加权求和，这样就得到三个新的输出，使得这三个独立的专家系统在学习不同类型的语义信息的同时，又能学习相互之间的相关性，由于RoBERTa的池化输出向量p能整合输入问题和列的信息，利用该池化输出向量，将其与三个可训练的权重矩阵相乘，并经过Softmax层输出后得到三个权重向量，每个权重向量的每个值即为每个专家系统结果的权重，将其加权求和后得到三个新的问题和表模式的语义表示矩阵，并将其作为下一层的输入， g1＝SoftmaxpWg1i E1＝∑g1ij 其中，p为RoBERTa的池化输出向量，Wg1i为第i个可训练的权重矩阵，Softmax为Softmax函数，g1为第i个权重向量，g1ij为第i个权重向量的第j个值，E1为下一层即多门控注意力池化混合层第i个专家系统的输入矩阵。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。