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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于规则知识增强的数据关系抽取方法及相关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：CN115186064B 。

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：202210841108.8，技术领域涉及：G06F16/3331；该发明授权基于规则知识增强的数据关系抽取方法及相关装置是由陈洪辉;王梦如;江苗;蔡飞;舒振;郑建明;邵太华;张鑫;宋城宇设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本基于规则知识增强的数据关系抽取方法及相关装置在说明书摘要公布了：本申请提供一种基于规则知识增强的数据关系抽取方法及相关装置；该法包括：根据实例的头实体和尾实体的结构化知识图谱，确定头实体类型集和尾实体类型集，并输入图神经网络编码器，基于实例的关系得到对应的头实体原型和尾实体原型；从各实例的非结构化知识文本中确定关系描述，将该实例和该关系描述输入至文本编码器，得到实例表示和关系描述表示；通过将实例表示和关系描述表示相互作用得到上下文语义和上下文语义原型；分别构建头实体、尾实体类型和上下文语义属于关系的概率关系，据此确定交叉熵损失函数、实例级对比学习损失函数和类别级对比学习损失函数；将三者进行结合得到目标函数，并用于以对待抽取的数据集进行数据关系抽取。

本发明授权基于规则知识增强的数据关系抽取方法及相关装置在权利要求书中公布了：1.一种基于规则知识增强的数据关系抽取方法，其特征在于，包括： 根据预置的支持集中各实例的头实体和尾实体的结构化知识图谱，分别确定该实例的头实体类型集和尾实体类型集，将该头实体类型集和该尾实体类型集输入预置的图神经网络编码器，并基于该实例的关系，分别得到该头实体和该尾实体对应的头实体原型和尾实体原型，包括：将该头实体类型集中的各头实体类型和该尾实体类型中的各尾实体类型分别输入至所述图神经网络编码器，并得到如下所示的头实体类型表示和尾实体类型表示： 其中，f1*表示图神经网络编码器的映射方式；为头实体类型表示，Ch表示头实体类型集，c1表示Ch中的任意类型；为尾实体类型表示，Ct表示尾实体类型集，c2表示Ct中的任意类型； 分别利用所述头实体类型表示和所述尾实体类型表示，构建如下所示的所述头实体原型和所述尾实体原型： 其中，r表示该实例的任意关系，Sr表示关于该关系r的实例集合，K表示Sr中具备的实例数量；表示所述头实体原型，eh表示头实体，表示所述尾实体原型，et表示尾实体； 从各所述实例的非结构化知识文本中，确定该实例的关系描述，将该实例和该关系描述输入至预置的文本编码器，得到该实例的实例表示和关系描述表示；通过将该实例表示和该关系描述表示相互作用得到该实例的上下文语义和上下文语义原型； 对于各所述实例，基于所述头实体原型、所述尾实体原型和所述上下文语义原型，分别构建所述头实体、所述尾实体类型和所述上下文语义属于所述关系的概率关系，并根据所述概率关系确定交叉熵损失函数； 基于该实例的实例表示和其他实例的实例表示，确定实例级对比学习损失函数，基于所述上下文语义原型和获取的所述关系的关系描述原型，确定类别级对比学习损失函数； 结合所述交叉熵损失函数、所述实例级对比学习损失函数和所述类别级对比学习损失函数，得到目标函数，将所述目标函数用于关系抽取模型中，以对待抽取的数据进行数据集关系抽取。

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中国人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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”。