Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜浙江工业大学黄玉娇获国家专利权

恭喜浙江工业大学黄玉娇获国家专利权

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!

龙图腾网恭喜浙江工业大学申请的专利一种用于工业知识图谱构建的复杂语义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:CN119558325B

龙图腾网通过国家知识产权局官网在2025-05-27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:202510115274.3,技术领域涉及:G06F40/30;该发明授权一种用于工业知识图谱构建的复杂语义关系抽取方法是由黄玉娇;郑滋辉;杨旭华设计研发完成,并于2025-01-24向国家知识产权局提交的专利申请。

一种用于工业知识图谱构建的复杂语义关系抽取方法在说明书摘要公布了:一种用于工业知识图谱构建的复杂语义关系抽取方法,属于自然语言处理技术领域,所述方法包括以下步骤:步骤1、结合工业文本数据上下文构建动态提示获得工业实体间关系表征;步骤2、采用对比学习增强关系存储队列中关系特征的类内聚合和类间分离;步骤3、动态优化训练过程,用收敛后的模型推理工业知识图谱中工业实体间的关系。本发明考虑了工业文本数据上下文的语义以及实体标注集中实体类型信息,并利用关系存储队列对不同语义关系进行类内聚合和类间分离,关系抽取准确性高,知识图谱构建性能好。

本发明授权一种用于工业知识图谱构建的复杂语义关系抽取方法在权利要求书中公布了:1.一种用于工业知识图谱构建的复杂语义关系抽取方法,其特征在于,所述方法包括以下步骤:步骤1、结合工业文本数据上下文构建动态提示获得工业实体间关系表征;步骤2、采用对比学习增强关系存储队列中关系特征的类内聚合和类间分离;步骤3、动态优化训练过程,用收敛后的模型推理工业知识图谱中工业实体间的关系;所述步骤1中,结合工业文本数据上下文构建动态提示获得工业实体间关系表征的处理过程包括以下步骤:步骤11、引入工业领域专业词汇作为实体标注集E,分析E中设备名称、故障类型、工艺流程实体类型,构建实体类型集合H,利用工业领域知识的强关联性和时序性特点对集合E进行增强;根据工业实体集E,利用规则识别给定工业领域文本数据中头、尾工业实体,构建动态提示Γ=[T1][E1][MASK][T2][E2],其中E1、E2代表已识别工业实体,T1、T2为所对应工业实体的伪类型,由集合H初始化,[MASK]为工业实体在工业文本数据上下文中可能存在的复杂语义关系;步骤12、将动态提示Γ与工业领域文本数据Xi=x1,x2,x3,...,xn,i∈N合并,N为每个batch中样本数量,然后通过嵌入层逐词映射为词向量序列,统一序列长度为L,若映射序列长度小于L,则末尾补0填充;序列长度大于L,则直接截断末尾的冗余字符,通过编码器得到输入序列的编码表示χi=e1,e2,e3,...,en,在χi中添加绝对位置编码POS, 其中,dmodel等于嵌入层的维度;步骤13,选择隐藏层为M的用于工业领域的深度学习模型,选择第2层到第M-1层的[MASK]嵌入构建工业实体关系矩阵χknow 步骤14、计算工业实体关系矩阵χknow的tanh,ui=tanhχknow;步骤15、计算ui和工业领域文本数据的上下文表征wu之间的相似度, αi为模型每个特征层预测的工业实体关系表征相较于工业领域文本数据的重要性度量,使用αi作为χknow上的全局加权求和生成最终工业实体之间的关系表征χi, 所述步骤2中,采用对比学习增强关系存储队列中关系特征的类内聚合和类间分离的处理过程包括以下步骤:步骤21、为少量人工标注和无标注的工业领域文本数据集构建实例级对比损失, 其中,通过规则和工业实体标注集E识别业实体对与模型预测的关系表征χi构成正样本对从当前工业文本数据中选择两个不同的任意跨度片段作为伪实体E1i′、E2i′,其中,对少量人工标注的工业领域文本数据集,选择真实已标注关系标签;对无标注工业文本数据集,选择其所在关系簇的中心表征Ri构成负样本对步骤22、基于χi计算工业实体之间可能存在的关系的概率分布,pi=WTReLUχi+b;其中,W是分类权重,b为偏置参数;步骤23、计算工业实体在工业数据上下文中关系类别为,yi=argmaxpi;步骤24、为标注工业领域文本数据集构建分类交叉熵损失, 步骤25、为无标注工业文本数据构建关系队列集合R={R1,R2,...,Ro},o表示未标注类别的个数,队列Ri的大小为b·N,其中b为batchsize,对于伪队列标签为的正样本关系表示对比集合为步骤26、计算工业文本数据与各关系队列的簇中心语义相似度,最小化基于关系队列语义相似度和基于分类权重参数计算的分类概率pi之间的交叉熵LCO, 其中,τ为温度系数,之后在每一轮次训练后,用最大似然估计更新迭代周期中的工业文本数据中工业实体关系所在的队列标签 在每次反向传播结束后,将添加到

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浙江工业大学,其通讯地址为:310014 浙江省杭州市拱墅区潮王路18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”。

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。