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！

龙图腾网获悉电子科技大学中山学院申请的专利文本实体联合关系抽取模型的训练方法、装置及计算机可读存储介质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：CN120218072B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510590579.X，技术领域涉及：G06F40/295；该发明授权文本实体联合关系抽取模型的训练方法、装置及计算机可读存储介质是由黎冬媛;虞强;周文辉;董帅设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本文本实体联合关系抽取模型的训练方法、装置及计算机可读存储介质在说明书摘要公布了：本发明实施例提供一种文本实体联合关系抽取模型的训练方法、装置及计算机可读存储介质，所述方法包括：对输入文本进行编码以分别获得输入文本中包含的每个词元对应任务的原始特征表示；基于多头注意力机制动态融合每个词元的原始特征表示以分别获得对应任务的融合特征；基于双向标注的实体对识别方法结合融合特征进行实体识别，抽取存在潜在关系的所有实体对；基于基线模型的双仿射网络结构对每对实体对进行关系分配，获得实体对对应的关系概率；分别构建实体识别的第一损失函数以及关系分配的第二损失函数，联合第一损失函数和第二损失函数以获得总损失函数，最小化总损失函数以输出模型。本实施例训练获得的模型能有效提升表示和学习能力。

本发明授权文本实体联合关系抽取模型的训练方法、装置及计算机可读存储介质在权利要求书中公布了：1.一种文本实体联合关系抽取模型的训练方法，其特征在于，所述方法包括以下步骤： 对输入文本进行编码以分别获得所述输入文本中包含的每个词元在实体识别任务中的第一原始特征表示和在关系抽取任务中的第二原始特征表示； 基于多头注意力机制动态在实体识别任务处理过程中融合每个词元的第一原始特征表示和第二原始特征表示获得每个词元对应的第一融合特征以及在关系抽取任务处理过程中融合每个词元的第一原始特征表示和第二原始特征表示获得每个词元对应的第二融合特征； 基于双向标注的实体对识别方法结合所述第一融合特征和第二融合特征分别从两个互补的方向进行实体识别，以从所述输入文本中抽取存在潜在关系的所有实体对； 采用基于基线模型的双仿射网络结构对每对所述实体对进行关系分配，以计算获得所述实体对对应的关系概率；以及 结合所述关系概率分别构建所述实体识别的第一损失函数以及所述关系分配的第二损失函数，联合所述第一损失函数和所述第二损失函数获得总损失函数，最小化所述总损失函数以输出文本实体联合关系抽取模型； 其中，所述基于多头注意力机制动态在实体识别任务处理过程中融合每个词元的第一原始特征表示和第二原始特征表示获得每个词元对应的第一融合特征以及在关系抽取任务处理过程中融合每个词元的第一原始特征表示和第二原始特征表示获得每个词元对应的第二融合特征具体包括： 基于多层感知机网络模型结合所述第一原始特征表示和所述第二原始特征表示提取每个词元在实体识别任务中的实体识别特征和关系抽取特征分别对应的第一注意力分数和第二注意力分数，基于多层感知机网络模型结合所述第一原始特征表示和所述第二原始特征表示提取每个词元在关系抽取任务中的实体识别特征和关系抽取特征对应的第三注意力分数和第四注意力分数； 归一化所述第一注意力分数和第二注意力分数以获得实体识别任务的第一归一化权重矩阵，归一化所述第三注意力分数和第四注意力分数以获得关系抽取任务的第二归一化权重矩阵； 基于所述第一归一化权重矩阵加权融合所述第一原始特征表示和所述第二原始特征表示以获得单个子空间下所述实体识别任务对应的单一实体识别融合特征，基于所述第二归一化权重矩阵加权融合所述第一原始特征表示和所述第二原始特征表示以获得单个子空间下的单一关系抽取融合特征；以及 基于第一可训练权重矩阵结合所述单一实体识别融合特征对所有注意力头的输出进行加权平均并应用Dropout操作以获得实体识别任务中的第一融合特征，基于第二可训练权重矩阵结合所述单一关系抽取融合特征对所有注意力头的输出进行加权平均并应用Dropout操作以获得关系抽取任务中的第二融合特征。

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电子科技大学中山学院，其通讯地址为：528400 广东省中山市石岐区学院路1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。