龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明提供了基于检索增强的科技文献流程图实体与关系抽取方法，涉及人工智能技术领域，包括：基于科技文献挖掘样本数据集；监督训练视觉编码器，并针对文献数据库构建向量知识库，接收目标流程图，并进行向量转换与相似性检索匹配，确定图文匹配结果；监督训练多模态大模型，将图文匹配结果传输至多模态大模型，执行识别解译与关系抽取，并进行结构转换生成目标知识图谱。本发明解决了传统方法依赖于手工标注数据，费时费力，难以应对大量科技文献的处理需求，且缺乏自动化和智能化的抽取手段，导致处理大规模文献时效率低下的技术问题。
主权项：1.基于检索增强的科技文献流程图实体与关系抽取方法，其特征在于，所述方法包括：基于科技文献挖掘样本数据集，其中，所述样本数据集基于存在映射关系的流程图数据集与文本数据集确定，所述文本数据集为流程图步骤标识数据；引入对比损失函数，辅助LLAVA架构，以向量转换与图文匹配为处理需求，结合所述样本数据集，获取监督训练后的视觉编码器，其中，所述LLAVA架构包含语言模型、视觉编码器与中间连接器三个组件；引入监督训练后语言模型中的文本编码器，遍历文献数据库，进行文本向量转换，构建向量知识库，其中，所述向量知识库可进行文本-向量的双向转换；接收目标流程图，结合所述视觉编码器进行流程图向量转换，并遍历所述向量知识库进行相似性检索匹配，对匹配的文本向量进行文本转换，确定图文匹配结果；进行数据驱动建模，监督训练多模态大模型，所述多模态大模型以关系与实体的抽取为导向；将所述图文匹配结果传输至所述多模态大模型，执行识别解译与关系抽取，并进行结构转换生成目标知识图谱。
全文数据：
权利要求：
百度查询： 中国科学院文献情报中心 基于检索增强的科技文献流程图实体与关系抽取方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号