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！

龙图腾网获悉广州大学申请的专利面向语句的特征维度增强的实体和关系知识提取方法及装置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：CN115510239B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211150030.1，技术领域涉及：G06N5/022；该发明授权面向语句的特征维度增强的实体和关系知识提取方法及装置是由李树栋;黄倩岚;吴晓波;韩伟红;唐可可设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本面向语句的特征维度增强的实体和关系知识提取方法及装置在说明书摘要公布了：本发明公开了一种面向语句的特征维度增强的实体和关系知识提取方法及装置，方法包括：对输入语句进行向量化，得到具有上下文语义特征的向量化语句；将所述向量化语句进行实体探测与特征化以及关系探测与特征化，分别得到实体特征信息与关系特征信息；将所述向量化语句进行实体与关系联合预测，并将实体特征信息与关系特征信息作为辅助维度特征信息进行信息加强处理，得到实体与关系联合预测的特征信息；将所述实体与关系的联合预测的特征信息进行拼接或者链路预测，最终形成三元组。本发明采取了实体与关系联合抽取的方法，避免可能存在的重叠三元组和传播误差，确保了三元组信息的多样性与可靠性。

本发明授权面向语句的特征维度增强的实体和关系知识提取方法及装置在权利要求书中公布了：1.一种面向语句的特征维度增强的实体和关系知识提取方法，其特征在于，包括下述步骤： 对输入语句进行向量化，得到具有上下文语义特征的向量化语句； 将所述向量化语句进行实体探测与特征化以及关系探测与特征化，分别得到实体特征信息与关系特征信息；所述实体特征信息是指从向量化语句中抽取的主体信息和客体信息；所述关系特征信息是指向量化语句中抽取出的主体和客体之间存在的关联特征； 将所述向量化语句进行实体与关系联合预测，并将实体特征信息与关系特征信息作为辅助维度特征信息进行信息加强处理，得到实体与关系联合预测的特征信息； 将所述实体与关系的联合预测的特征信息进行拼接或者链路预测，最终形成三元组； 所述实体指的是主体和客体； 所述实体探测与特征化，具体为： 将已向量化的语句H输入进一个全连接层中，计算出实体的开始位置概率和结束位置概率，如果开始位置的概率大于预设的第一阈值，则将该开始位置确定为所述向量化语句中实体的开始位置；同理，如果结束位置的概率大于预设的第二阈值，则将该结束位置确定为所述向量化语句中实体的结束位置；同时，全连接层的神经网络会根据训练集的标签信息进行训练，并且不断的对的可训练权重值W和b进行调整； 所述实体的开始位置概率和结束位置概率的计算公式如下： pi start_subobj＝sigmoidWstarthi+bstart pi end_subobj＝sigmoidWendhi+bend 其中，pi start_subobj是输入语句中第i个位置标记为实体开始位置概率，pi end_subobj是输入语句中第i个位置标记为实体结束位置概率；hi是编码器层的输出结果，Wstart和bstart为计算实体开始位置概率的可训练权重值，Wend和bend为计算实体结束位置概率的可训练权重值，sigmoid为激活函数； 确定实体开始位置概率和实体结束位置概率后，抽取出主体信息Ti sub和客体信息Ti obj，公式为： Ti sub＝pi start_sub,pi end_sub Ti obj＝pi start_obj,pi end_obj 其中，pi start_sub为第i个位置标记为主体开始位置概率，pi end_sub为第i个位置标记为主体结束位置概率；pi start_obj第i个位置标记为客体开始位置概率，pi end_obj为第i个位置标记为客体结束位置概率； 所述得到实体与关系联合预测的特征信息的计算公式如下： 其中,sigmoid是激活函数,Ti start和Ti end分别为主体特征信息、客体的特征信息，hi,relation是向量化语句特征，是预测计算出的关系特征结果，Wstart、bstart、Wend、和bend是可训练的权重参数。

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广州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230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”。