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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于图同构网络的谓词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：CN114330293B 。

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：202111638017.6，技术领域涉及：G06F40/211；该发明授权一种基于图同构网络的谓词抽取方法是由张旻;杨启胜;汤景凡;姜明设计研发完成，并于2021-12-29向国家知识产权局提交的专利申请。

本一种基于图同构网络的谓词抽取方法在说明书摘要公布了：本发明公开了一种基于图同构网络的谓词抽取方法。本发明使用了DDParser工具对文本句子进行解析，并利用句子解析后得到的词性结果对分词序列中的专用名词进行泛化。对Bert的嵌入部分做调整，加入对词性信息的编码，将泛化后的词序列输入到微调后的Bert模型中进行编码。使用GIN网络来获取依存树中每一个节点的嵌入向量以及依存子树的表征向量。再这之后通过一层注意力机制，将语义信息还有依存结构信息融合起来得到最终的节点嵌入向量。最后，本发明将最终的词嵌入向量集合输入到一个二分类器中，得到谓词结果。本发明使用了深度学习的方式学习句子的结构模板特征，大大减少了人们的工作量，有着较强的跨领域性和适应能力，有效提升了谓词抽取方法的准确性。

本发明授权一种基于图同构网络的谓词抽取方法在权利要求书中公布了：1.一种基于图同构网络的谓词抽取方法，其特征在于包括如下步骤：步骤1使用DDParser工具对输入句子进行解析，得到分词结果、词性和句法依存树信息；步骤2根据词性对分词中专有词进行泛化处理，得到泛化处理后输入句子对应的泛化词序列；对Bert模型的词嵌入部分进行微调，在词嵌入部分加入词性信息的编码；将泛化词序列及步骤1中的词性信息作为微调后的Bert模型的输入，输出隐藏向量集合；步骤3遍历步骤1中句法依存树信息中任意一棵子树，把这棵子树中每条边的信息转换为边向量，然后再将这棵子树的信息以及步骤2的隐藏向量集合输入到GIN网络中，获得节点嵌入向量，对节点嵌入向量做池化处理，得到子树的表征向量；步骤4利用步骤3中子树的表征向量和步骤2中的每一个隐藏向量计算注意力权重，再将这个注意力权重与步骤3中每个节点嵌入向量相乘，得到最终节点嵌入向量集合；步骤5将步骤4中得到的带有语义信息的最终节点嵌入向量集合输入到一个二分类器中，得到一个二进制序列，序列中每一个二进制指示对应的词是否为谓词；所述步骤2具体实现过程如下：2-1根据词性标注结果TX对原序列X进行泛处理，具体的规则内容如下：将词性标注结果为“LOC”、“f”、“s”、“TIME”、“LOC”、“PER”、“ORG”、“nw”、“nz”的词替换为“PN”标签，得到泛化词序列X′：X′＝x′1,x′2,…,x′n4其中，x′1,x′2,…,x′n表示泛化后的词汇；2-2对Bert模型的embedding结构做微调，在原来embedding结构中加入了PostagEmbedding层用以添加词性信息；对泛化词序列X′做词嵌入处理，将泛化词序列X′送入TokenEmbedding层从而将每一个词转换为向量形式，将泛化词序列X′送入PositionEmbedding层获取每个词的顺序特征，将词性标注结果TX送入PostagEmbedding层获取每个词的词性特征，最后将这三个结果进行拼接输入到Bert模型中得到最终的词嵌入，得到输出隐藏向量集合；词嵌入过程可以表达为如下式：H＝BERTX′，TX＝{h1,h2,…,hn}5其中，H为输出的隐藏向量Ⅰ集合，h1,h2,…,hn为隐藏向量；所述步骤3具体实现过程如下：3-1遍历依存树中的任意两个节点，计算这两个节点的最近公共祖先节点，获得以公共祖先节点为根、两个节点为叶的子树dX；把子树dX中所有边信息转换为边向量，得到结果：E＝{e1,e2,…,eq}6其中q表示当前子树中边的总数；3-2将隐藏向量集合H和子树dX输入到GIN网络中获取节点嵌入信息，其中，GIN网络由m层图同构卷积层组，每一层的计算过程如下式： 其中，表示节点i在第k层图同构卷积层输出的隐藏向量，在第1层图同构卷积层中为步骤2中Bert输出的隐藏向量，ε是一个可学习参数，Ni表示节点i的所有邻接节点的集合，Ei表示节点i的所有邻接边的集合，ep为对应边的边嵌入，MLP是多层感知机算法；3-3对步骤3-2中得到的最终节点嵌入向量做最大池化处理，获取子树的表征向量： 其中，hchild-tree表示子树的表征向量，表示节点嵌入向量。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。