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！

龙图腾网恭喜江西财经大学申请的专利基于角色对事件回溯图的文档级事件联合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：CN119830909B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510317714.3，技术领域涉及：G06F40/284；该发明授权基于角色对事件回溯图的文档级事件联合抽取方法是由胡蓉;万常选;万齐智;刘德喜;刘喜平设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本基于角色对事件回溯图的文档级事件联合抽取方法在说明书摘要公布了：本发明提出一种基于角色对事件回溯图的文档级事件联合抽取方法，该方法包括：基于事件信息获取事件类型的角色对集合；基于事件类型的角色对集合得到词语对对应的角色对；构建目标词语对邻接矩阵，基于词语对对应的角色对和目标词语对邻接矩阵得到新的目标词语对邻接矩阵；基于语料黄金标注的文档信息作为事件信息得到黄金目标词语对邻接矩阵；利用黄金目标词语对邻接矩阵对构建的图增强的文档级事件联合抽取模型进行训练，得到训练后的图增强的文档级事件联合抽取模型；利用训练后的图增强的文档级事件联合抽取模型得到事件以及事件对应的论元。本发明构建了图增强的文档级事件联合抽取框架，避免了流水线模式的错误传播，同时降低了模型参数量。

本发明授权基于角色对事件回溯图的文档级事件联合抽取方法在权利要求书中公布了：1.一种基于角色对事件回溯图的文档级事件联合抽取方法，其特征在于，所述方法包括如下步骤：步骤1、基于事件信息获取所有事件类型以及事件类型包含的角色集合，并基于事件类型对角色集合进行排序，得到事件类型的角色对集合；在事件类型的角色集合中添加标签元素和回溯标签值；步骤2、将事件类型的角色对集合中的任意相邻两个角色论元中的词语进行组合，以组成角色论元的词语对集合；针对角色论元的词语对集合中的每个词语对，形成词语对对应的角色对；构建目标词语对邻接矩阵，并在目标词语对邻接矩阵中填充词语对对应的角色对的标签值以及回溯值，以得到目标回溯图，并将目标回溯图转换成新的目标词语对邻接矩阵；步骤3、将语料黄金标注的文档信息作为事件信息，依次执行步骤1和步骤2以得到黄金回溯图，并将黄金回溯图转换成黄金目标词语对邻接矩阵；步骤4、构建图增强的文档级事件联合抽取模型，图增强的文档级事件联合抽取模型以黄金目标词语对邻接矩阵为逼近目标进行训练，得到训练后的图增强的文档级事件联合抽取模型；通过训练后的图增强的文档级事件联合抽取模型，得到新的预测词语对邻接矩阵；步骤5、对新的预测词语对邻接矩阵进行解码，得到事件以及事件对应的论元；其中，在所述步骤2中，构建目标词语对邻接矩阵，并在目标词语对邻接矩阵中填充词语对对应的角色对的标签值以及回溯值，对应过程存在的关系式为： ；其中，表示目标词语对邻接矩阵中词语对应行与词语对应列所对应的值，表示位于目标词语对邻接矩阵中词语对应行与词语对应列所对应的值，表示经过取角色对的标签值函数的处理，表示词语对对应的角色对；在所述步骤5中，对新的预测词语对邻接矩阵进行解码，得到事件以及事件对应的论元，具体步骤如下：为新的预测词语对邻接矩阵中每个大于1的值所对应的词语创建结点，并建立结点指向结点的连边，同时为新的预测词语对邻接矩阵中值为1的所有结点建立反向回溯边，得到角色对事件的回溯图；基于角色对事件的回溯图，在当前路径中，若后续的结点都存在指向前面结点的反向回溯边，则当前路径对应一个事件；针对事件路径中的每条连边，根据边类型标签值，判断事件类型以及事件类型的标签值范围，并根据边类型标签值确定连边所对应的角色对，对应过程存在的关系式为： ；其中，表示角色对，表示经过id转化为角色对关系结构的函数处理，表示词语对在新的预测词语对邻接矩阵中词语对应行词语对应列的值，表示新的预测词语对邻接矩阵，表示新的预测词语对邻接矩阵中的值。

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西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。