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！

龙图腾网获悉北京邮电大学申请的专利针对公共安全多文档的摘要提取模型训练方法、摘要提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：CN119416775B 。

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：202411309717.4，技术领域涉及：G06F40/258；该发明授权针对公共安全多文档的摘要提取模型训练方法、摘要提取方法及装置是由杜军平;刘毅;李昂;薛哲;邵蓥侠设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本针对公共安全多文档的摘要提取模型训练方法、摘要提取方法及装置在说明书摘要公布了：本申请提供针对公共安全多文档的摘要提取模型训练方法、摘要提取方法及装置，方法包括：基于记载有公共安全内容的多个原始文档生成对应的多文档异质图；采用多文档异质图训练由依次相接的图卷积网络、图注意力网络以及强化学习模型构成的本地摘要提取模型，以使该本地摘要提取模型用于根据输入的多文档异质图，输出该多文档异质图对应的多个目标句子，以形成该多文档异质图的摘要数据。本申请能够提高自动获取多个公共安全文档之间的跨文档信息的效率及可靠性，能够有效提高公共安全多文档的摘要提取模型的训练效率以及泛化性，进而能够有效提高多个公共安全文档的摘要提取的全面性、准确性及高效性。

本发明授权针对公共安全多文档的摘要提取模型训练方法、摘要提取方法及装置在权利要求书中公布了：1.一种针对公共安全多文档的摘要提取模型训练方法，其特征在于，包括： 基于记载有公共安全内容的多个原始文档生成对应的多文档异质图，其中，该多文档异质图中的各个节点所属的语义类型有多种，包括：句子节点以及非句子节点，且所述多文档异质图中的各个节点之间的边用于表示该边连接的两个节点之间的关联关系； 采用所述多文档异质图训练由依次相接的图卷积网络、图注意力网络以及强化学习模型构成的本地摘要提取模型，以使该本地摘要提取模型用于根据输入的所述多文档异质图，输出该多文档异质图对应的多个目标句子，以形成该多文档异质图的摘要数据； 所述采用所述多文档异质图训练由依次相接的图卷积网络、图注意力网络以及强化学习模型构成的本地摘要提取模型，以使该本地摘要提取模型用于根据输入的所述多文档异质图，输出该多文档异质图对应的多个目标句子，以形成该多文档异质图的摘要数据，包括： 将所述多文档异质图拆分为分别以各个所述句子节点为中心节点的各个拓扑图； 基于各个所述拓扑图训练由依次相接的图卷积网络、图注意力网络以及强化学习模型构成的本地摘要提取模型，以使所述图卷积网络分别对输入的各个所述拓扑图进行节点表示更新，以输出各个所述拓扑图各自对应的节点表示更新后的拓扑图；再使得所述图注意力网络分别对输入的各个所述节点表示更新后的拓扑图中的各个所述句子节点进行跨文档信息提取并对应更新各个所述句子节点各自的句子表示，以输出该多文档异质图对应的各个所述句子表示；而后使得所述强化学习模型基于预设的多步情景马尔可夫决策过程策略，根据输入的各个所述句子表示，经过多个时间步骤提取得到所述多文档异质图对应的多个目标句子以形成该多文档异质图的摘要数据； 在所述采用所述多文档异质图训练由依次相接的图卷积网络、图注意力网络以及强化学习模型构成的本地摘要提取模型之后，还包括： 将训练后的所述本地摘要提取模型作为当前迭代轮次的本地模型参数，并将该本地模型参数发送至与自身同属于同一个联邦学习系统的服务器中，以使该服务器接收该本地模型参数并将该本地模型参数与其他客户端设备各自发送的当前迭代轮次的本地模型参数进行聚合，以得到当前迭代轮次的全局摘要提取模型参数，所述服务器再将该全局摘要提取模型参数下发至所述联邦学习系统中的各个客户端设备，以作为各个客户端设备在下一迭代轮次待训练的本地摘要提取模型。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。