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！

龙图腾网获悉郑州大学申请的专利一种事件元素抽取系统及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：CN116932683B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202310814588.3，技术领域涉及：G06F16/31；该发明授权一种事件元素抽取系统及方法是由郑志蕴;原启龙;裴晓波;叶亚文;李钝设计研发完成，并于2023-07-04向国家知识产权局提交的专利申请。

本一种事件元素抽取系统及方法在说明书摘要公布了：本发明公开了一种事件元素抽取系统，包括：输入层，用于将句子转换为含有多个特征的向量序列，丰富句子的特征表达；Bi‑GRU编码层，用于沿句子中单词的正反两个方向编码信息，捕获输入文本的Context表示；建模句法距离的图TransformerEncoder层，利用依存句法结构将句子转换为图结构，在图结构上计算加入句法距离信息的注意力；输出层，用于预测事件元素及其角色作为分类结果。一种事件抽取方法，主要包括如下述的四个步骤。本发明提供了一种融合双向编码和图TransformerEncoder的事件元素抽取方法。在图神经网络中加入TransformerEncoder结构以学习不同距离的单词之间的依赖关系，并在TransformerEncoder的注意力机制中加入句法建模策略以利用句法距离信息提高事件元素抽取性能。

本发明授权一种事件元素抽取系统及方法在权利要求书中公布了：1.一种事件元素抽取方法，其特征在于，包括如下步骤： 步骤100，利用输入层对句子进行向量化处理； 步骤110，输入长度为n的句子S＝{w1,…,wt…,wi,...wn}，以及标注在句子t处的事件触发词wt，t∈[1,n]； 步骤120，将步骤110句子S中的每个单词wi转换为实值向量xi，xi由单词wi的词嵌入向量wordi、词性标注嵌入向量posi和实体类型标签嵌入向量eti三个向量的连接组成，得到xi＝wordi,posi,eti； 步骤200，利用Bi-GRU结构编码句子中单词的上下文信息； 步骤210，获得Bi-GRU编码层的输入向量X＝{x1,x2,…,xn}； 步骤220，通过Bi-GRU的操作将步骤210的向量X＝{x1,x2,…,xn}编码为H＝{h1,h2,…,hn}； 步骤300，利用图TransformerEncoder层的注意力机制建模句法距离，识别事件中的复杂语义； 步骤310，L层的TransformerEncoder结构将Bi-GRU双向编码层的输出向量H＝{h1,h2,…,hn}作为TransformerEncoder第一层的输入 步骤320，将步骤310的H经过Hl＝TransformerlHl-1处理，递归地生成不同层级的隐藏状态表示 步骤330，对于步骤320的第l层TransformerEncoder层，分别使用参数矩阵和将前一层的输出线性投影到Q、K和V矩阵上 Ql＝LinearHl-1＝Hl-1Wl Q Kl＝LinearHl-1＝Hl-1Wl K Vl＝LinearHl-1＝Hl-1Wl V 步骤340，分析句子的通用依存句法结构，并计算每对单词之间最短路径句法距离，生成对称的距离矩阵 步骤350，根据步骤340的距离矩阵D设置掩码矩阵M，允许掩码矩阵加入距离内的词汇，设置为 步骤360，修改TransformerEncoder中的自注意力机制，加入建模句法距离的策略，将步骤350得出的掩码矩阵M加入注意力机制中注意力头Al的计算过程中 步骤400，利用事件元素分类层预测事件元素及角色分类结果； 步骤410，在输入句子中标记事件触发词 的事件元素候选词 步骤420，对于步骤410的输出，通过线性层和softmax函数预测事件元素的角色标签， 步骤430，为了训练神经网络，采用最小化交叉熵损失函数，优化模型中的参数，

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郑州大学，其通讯地址为：450001 河南省郑州市高新区科学大道100号郑州大学；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”。