Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏电力信息技术有限公司;云境商务智能研究院南京有限公司栾宁获国家专利权

江苏电力信息技术有限公司;云境商务智能研究院南京有限公司栾宁获国家专利权

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!

龙图腾网获悉江苏电力信息技术有限公司;云境商务智能研究院南京有限公司申请的专利一种基于多头注意力的实体关系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:CN116384383B

龙图腾网通过国家知识产权局官网在2026-04-17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:202310031342.9,技术领域涉及:G06F40/279;该发明授权一种基于多头注意力的实体关系抽取方法是由栾宁;赵琳;张震宇;冯曙明;王惠;林勇;曹杰;孙宏亮;汪皓天设计研发完成,并于2023-01-10向国家知识产权局提交的专利申请。

一种基于多头注意力的实体关系抽取方法在说明书摘要公布了:本发明公开一种基于多头注意力的实体关系抽取方法,步骤是:通过Bi‑LSTM获取输入句子的上下文表示;通过多头注意力机制获得句子的全局特征向量以及不同子空间特征;将不同的子空间通过矩阵树定理生成对应的隐藏森林;将全局特征向量和隐藏森林分别通过GCN中编码;再通过池化得到实体和句子向量的最终表示,将全局特征向量和隐藏森林经过卷积计算的全局特征向量进行融合;最后通过全连接层在分类器中进行输出,从而识别实体之间的关系类型。本发明在三个数据集Semeval2010task8、CPR和PGR上测试了该方法,结果表明该方法在实体关系抽取任务中表现出色。

本发明授权一种基于多头注意力的实体关系抽取方法在权利要求书中公布了:1.一种基于多头注意力的实体关系抽取方法,其特征在于包括如下步骤: 步骤1,构建训练语料,基于通用领域获得的Glove英文词向量进行训练,获得词向量表示; 步骤2,使用Bi-LSTM编码词向量表示获得句子的上下文表示; 步骤3,通过多头注意力机制获得到句子的全局特征向量以及不同子空间的特征表示; 步骤4,将不同的子空间通过矩阵树定理生成对应的隐藏森林; 所述步骤4中,通过矩阵树定理生成隐藏森林的方法是: 步骤A41,将不同的子空间通过多头注意力来计算各个子空间中对应的边分数和根分数; 步骤A42,将边分数和根分数作为输入,计算每个边的边际概率来生成隐藏森林; 步骤5,将隐藏森林以及句子学习到的全局特征向量放入图卷积神经网络GCN中进行编码,然后分别通过池化操作获得实体和句子的向量表示; 步骤6,将步骤5中的句子向量和步骤3的全局特征向量融合,再和实体向量进入全连接层得到最终向量表示; 步骤7,将步骤6中的最终向量表示通过分类器获取在关系标签上的概率分布,从而识别实体之间的关系类型; 所述步骤5中,给定由邻接矩阵表示的第k个潜在森林,第l层的第i个节点的卷积计算由前一层的表示作为输入并输出更新的表示,定义为: ; 其中,和分别为第l层第k个隐藏森林的权重矩阵和偏置向量,是激活函数Sigmoid; 所述步骤6中,得到文本最终向量表示的方法是: 由步骤5中隐藏森林经过卷积计算得到实体向量,,句子向量,全局向量经过卷积计算得到句子向量,将四个向量分别池化得到,再将池化后的两个句子向量进行融合,方法如下: ; 函数定义如下: = 最后将三个向量进行拼接,最终向量表示为:

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江苏电力信息技术有限公司;云境商务智能研究院南京有限公司,其通讯地址为:210024 江苏省南京市鼓楼区北京西路20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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。