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！

龙图腾网获悉广东工业大学申请的专利融合共指关系与外部知识增强的因果推断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：CN120611784B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510583164.X，技术领域涉及：G06N5/04；该发明授权融合共指关系与外部知识增强的因果推断方法是由邢玛丽;黄泽轩;鲁仁全;蔡倩倩;莫浩艺设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本融合共指关系与外部知识增强的因果推断方法在说明书摘要公布了：本发明涉及自然语言处理技术领域，提出一种融合共指关系与外部知识增强的因果推断方法，所述因果推断方法包括：提取文本中的事件词作为掩码目标词并对非事件词进行掩码操作，利用改进型BERT模型在预训练阶段通过上下文重构训练预测被掩码的事件词；提取原因事件与结果事件的共指事件对，得到共指事件的共指特征；从外部知识库提取与原因结果事件关联的潜在间接事件构建外部知识库因果图谱，构建结构化语义图，并进行节点特征融合；将共指特征和融合后的节点特征进行融合后进行非线性变换；将上下文语义特征和外部知识库特征进行融合后得到综合特征表示，将综合特征表示输入至预测层中，得到事件对关系的最终预测结果。

本发明授权融合共指关系与外部知识增强的因果推断方法在权利要求书中公布了：1.融合共指关系与外部知识增强的因果推断方法，其特征在于，所述因果推断方法包括以下步骤： S1：提取文档级别的文本中的事件词作为掩码目标词并随机对非事件词进行掩码操作，利用改进型BERT模型在预训练阶段通过上下文重构训练预测被掩码的事件词，使事件词充分学习上下文语义特征； S2：在所述文本中随机抽取事件对并标注为原因事件和结果事件，提取原因事件与结果事件的共指事件对，从外部知识库中获取标注好的共指事件正样本，同时生成非共指事件对作为负样本，利用对比学习机制设计对比损失函数拉近共指事件对语义距离，得到共指事件的共指特征； S3：从外部知识库提取与原因结果事件关联的潜在间接事件构建外部知识库因果图谱，构建以外部知识库因果图谱的事件为节点、因果关系为边的结构化语义图，并采用图注意力机制与图卷积神经网络进行节点特征融合，所述潜在间接事件包括原因事件和结果事件之间的间接事件； S4：将步骤S2中的共指特征和步骤S3中融合后的节点特征进行融合，通过全连接层进行非线性变换，得到原因事件和结果事件的外部知识库特征； S5：采用多头注意力机制将所述上下文语义特征和外部知识库特征进行融合后得到综合特征表示，将综合特征表示输入至预测层中，得到事件对关系的最终预测结果； 在步骤S3中，包括从外部知识库提取与原因结果事件关联的潜在间接事件，利用实体链接和关系抽取技术识别并提取各事件之间的因果关系； 对因果关系进行序列化处理，随后利用参数冻结的EMBert模型对因果关系进行语义编码，满足关系式： ； ； 其中，表示输入序列，表示事件之间间接因果关系插入符，表示因果链最终结果事件，表示事件在序列中的嵌入向量； 在步骤S3中，包括通过计算因果图谱的事件节点间插入符的嵌入向量与，结合注意力权重融合不同序列中相同节点与边的权重，满足关系式： ； ； ； 其中，表示序列中事件节点到事件节点的权重，为可学习矩阵，表示序列中事件节点与之间的注意力权重，为可学习向量，为全局事件节点间的权重； 步骤S5 满足关系式： ； ； ； ；其中，与分别表示拼接后的原因事件与结果事件特征向量，，，分别表示的权重矩阵，为多头注意力输出映射的权重矩阵，为综合原因事件与结果事件的综合特征表示，表示原因事件在所述文本中的上下文语义特征，表示结果事件在所述文本中的上下文语义特征，表示原因事件的外部知识库特征，表示结果事件的外部知识库特征。

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东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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”。

以上内容由龙图腾AI智能生成。