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！

龙图腾网获悉东北电力大学申请的专利面向电网风险领域的知识获取和表示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：CN116739081B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310597201.3，技术领域涉及：G06N5/02；该发明授权面向电网风险领域的知识获取和表示方法是由杨月华;吴云;张秋实设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本面向电网风险领域的知识获取和表示方法在说明书摘要公布了：本发明提出了电网风险领域的知识获取和表示方法，用于从语义层面构建电网风险、人、设备和事件等的关联关系，进而对存在的电网风险进行更加全面的预判，避免出现不可控的严重后果。电网风险领域知识获取和表示面临标注数据集极少、传统的事实三元组结构在实际中的可用性不强等问题，为此本发明提出基于元学习的电网风险领域命名实体识别方法，通过模拟域迁移有效聚合多个资源域的元知识来建立序列标注模型并优化学习泛化能力；提出基于多粒度序列网络模型的电网风险领域文档级关系提取方法，借助不同级别的结构信息，解决由多个电网风险实体和句间关系引起的复杂语义和长距离上下文依赖关系问题；提出同时表征存在依赖关系的事实和事实关联三元组的知识图谱表示方法，通过引入关联三元组增强电网风险领域知识图谱的可用性，并建立事实和关联元组的双输出序列标注模型用于知识图谱的补全。

本发明授权面向电网风险领域的知识获取和表示方法在权利要求书中公布了：1.面向电网风险领域的知识获取和表示方法，其特征在于，包括如下组成部分： 1数据集的构建：确定电网风险领域实体的类别包括：机构名、地名、岗位名、设备名、状态变量名、风险名，然后收集与电网风险相关的文本并进行预处理，最后定义标签体系，进行数据标注，构造所需数据集； 2基于元学习的电网风领域命名实体识别：采用CNN-BiGRU-CRF作为序列标记模型的主干，在训练时模拟域迁移来有效聚合来自多个资源域的元知识，从实体识别任务中学习上下文参数，从其他多个序列标记任务中学习序列标记参数，在适应阶段只需通过梯度下降法更新电网风险领域命名实体识别任务的学习参数而不用更新整个网络，从而保证计算效率，同时解决过拟合问题； 3基于多粒度序列神经网络的电网风险领域文档级语义关系提取：为了将实体局部信息整合到实体全局表示中，使目标实体的别名、共指词和共现词能够学习不同的语义，设计基于CNN的双仿射结构，基于编码层的结果，使用两个独立的两层CNN来生成头部和尾部序列，分别与两个实体相关，使用双仿射算子计算成对词的分数，只关注与目标实体关系相关的目标实体对，将每个关系关联的每对词的所有分数汇总起来，生成一个实体级的表示Re，之后使用BiLSTM编码器对序列进行编码，并使用单层前馈神经网络获得文档级表示Rd，最后，将实体级表示和文档级表示进行聚合，得到一个多粒度表示Rm＝Re+Rd； 4涵盖存在依赖关系三元组的电网风险领域知识图谱表示：首先将电网风险知识图谱中的元组区分为事实元组和其依赖的三元组，对于给定文本句子，将其结构化构造为事实元组和关联元组的集合，定义元组的表示形式为{eh},{r,rdepend},{et}，将电网风险知识图谱设计为两层结构：第一层为实体节点，第二层代表事实元组及其依赖的元组，每个元组使用关系节点代表，并链接到第一层中作为主语和宾语的实体节点；建立一个基于半监督的多输入双输出序列标注模型，基于多任务学习同时为事实元组和其关联元组生成标注序列。

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东北电力大学，其通讯地址为：132012 吉林省吉林市船营区长春路169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。