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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学申请的专利联合预训练和图神经网络的政策文本标注方法及系统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：CN115374792B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211116359.6，技术领域涉及：G06F40/30；该发明授权联合预训练和图神经网络的政策文本标注方法及系统是由刘祥志;薛许强;吴晓明;侯冬冬;于洋;李胜男;张建强;张鹏;汪付强;郝秋赟;马晓凤设计研发完成，并于2022-09-14向国家知识产权局提交的专利申请。

本联合预训练和图神经网络的政策文本标注方法及系统在说明书摘要公布了：本发明公开了联合预训练和图神经网络的政策文本标注方法及系统；其中所述方法包括：获取待标注的政策文本，对待标注的政策文本进行预处理；对预处理后的政策文本输入到训练后的政策文本标注模型中，输出政策文本的标注结果；其中，训练后的政策文本标注模型，其工作原理包括：对于处理后的政策文本提取单词向量和句子向量；基于预处理后的政策文本构建文本级图结构，获取文本级图结构对应的邻接矩阵；基于单词向量和句子向量，提取出政策文本的语义特征；基于单词向量和邻接矩阵，提取出政策文本的结构特征；基于语义特征和结构特征，确定政策文本标注结果。

本发明授权联合预训练和图神经网络的政策文本标注方法及系统在权利要求书中公布了：1.联合预训练和图神经网络的政策文本标注方法，其特征是，包括： 获取待标注的政策文本，对待标注的政策文本进行预处理； 对预处理后的政策文本输入到训练后的政策文本标注模型中，输出政策文本的标注结果； 其中，训练后的政策文本标注模型，其工作原理包括：对于处理后的政策文本提取单词向量和句子向量；基于预处理后的政策文本构建文本级图结构，获取文本级图结构对应的邻接矩阵；基于单词向量和句子向量，提取出政策文本的语义特征；基于单词向量和邻接矩阵，提取出政策文本的结构特征；基于语义特征和结构特征，确定政策文本标注结果； 所述基于单词向量和句子向量，提取出政策文本的语义特征，具体是采用第二预训练语言模型对单词向量和句子向量，提取出政策文本的语义特征，具体包括： 将预处理的政策文本输入进第二预训练语言模型层，即Bert层，以获取单个文本的语义信息及更多的语义上下文特征； 将第二预训练语言模型层输出的句子向量作为政策文本的特征向量，并将其输入到全连接层，全连接层的输出为每个政策文本的类别数，使用sigmoid函数将政策文本向量的每个维度值挤压至0,1之内，整个Bert层公式如下： 其中，为Bert的参数，S为每个政策文本中的内容，表示第二预训练语言模型； 所述基于单词向量和邻接矩阵，提取出政策文本的结构特征，具体包括： 将单词向量和邻接矩阵按照批量的方式依次输入到两个图神经网络GCN子层中，通过两个图神经网络GCN子层获取邻接矩阵中每个词节点的一跳和二跳邻居信息，在单个政策文本图中学习局部结构的细粒度词汇表示； 其中，在第一图神经网络GCN子层后，使用修正线性单元ReLU激活函数对第一图神经网络GCN子层输出的隐藏单元的特征进行修正线性，避免了梯度消失，同时作为第二图神经网络GCN子层的输入； 其中，第二图神经网络GCN子层的输出为政策文本的类别数，表示为： ，； 其中，K表示为政策文本数，n表示为词节点的数量，m表示为政策文本的类别数，第二图神经网络的最终输出向量； 联合输出层，公式如下： ； ； 其中，均为可学习参数，Z为联合预训练和图神经网络模型最终输出结果，表示为，k为输入批量的政策文本数，m为政策文本的类别数；表示激活函数，表示结构特征，表示语义特征； 所述基于语义特征和结构特征，确定政策文本标注结果，是将语义特征和结构特征均输入到联合输出层，联合输出层对两种特征进行融合，融合后得到政策文本标注结果。

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山东省计算中心(国家超级计算济南中心);齐鲁工业大学，其通讯地址为：250014 山东省济南市历下区科院路19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”。