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！

龙图腾网获悉西安理工大学申请的专利融合语义特征与局部依赖特征的轨道交通事件抽取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：CN119862877B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202411977413.5，技术领域涉及：G06F40/279；该发明授权融合语义特征与局部依赖特征的轨道交通事件抽取方法是由孟海宁;陈强;杨明松;黑新宏设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本融合语义特征与局部依赖特征的轨道交通事件抽取方法在说明书摘要公布了：本发明融合语义特征与局部依赖特征的轨道交通事件抽取方法，包括：步骤1、获取原始设计规范文本进行预处理，获得事件文本数据集；步骤2、将事件文本数据集的局部依赖信息进行增强，然后获得增强后的局部依赖特征；步骤3、将事件文本数据集的语义信息进行增强，获得增强后的语义特征；步骤4、将步骤2中增强后的局部依赖特征和步骤3中增强后的语义特征进行融合，生成融合的特征向量；步骤5、将融合后的特征向量输入CRF模型进行预测，通过各项评价指标对模型性能进行评估，该方法通过补充计量词和挖掘新的触发词来增强事件语义信息，同时通过构建依赖图和RGAT模型充分利用事件的局部依赖特征，显著提升了事件抽取的精度。

本发明授权融合语义特征与局部依赖特征的轨道交通事件抽取方法在权利要求书中公布了：1.融合语义特征与局部依赖特征的轨道交通事件抽取方法，其特征在于，包括以下步骤： 步骤1、获取原始设计规范文本，并进行预处理，获得事件文本数据集； 步骤2、将步骤1中事件文本数据集的局部依赖信息进行增强，然后获得增强后的局部依赖特征；所述步骤2的具体过程如下： 步骤2.1、获取步骤1中经BIO标注的事件文本数据集，识别每个事件中的触发词和论元； 步骤2.2、提取步骤2.1中各论元之间的依赖关系； 步骤2.3、根据步骤2.2中事件文本的句法依赖信息构建依赖图，并使用RGAT对生成的依赖图进行训练，得到节点特征，边特征； 步骤2.4、采用DGL图网络框架定义图结构，构建RGAT模型，并输入步骤2.3中训练得到的节点特征和边特征，RGAT模型通过自注意力机制聚合邻居节点的特征，捕捉事件中的依赖关系，输出增强后的局部依赖特征； 步骤3、将步骤1中事件文本数据集的语义信息进行增强，然后获得增强后的语义特征；所述步骤3的具体过程如下： 步骤3.1、获取步骤1中经BIO标注的事件文本数据集，通过在每个事件中补充计量词，以及挖掘新的触发词，进而增强事件的语义信息； 步骤3.2、使用SBERT+BiLSTM模型对步骤3.1增强语义信息的事件进行编码并提取增强后的语义特征； 步骤4、将步骤2中增强后的局部依赖特征和步骤3中增强后的语义特征进行融合，生成融合的特征向量；所述步骤4的具体过程如下： 对步骤2中的局部依赖特征和步骤3中增强后的语义特征进行加权平均，并定义一个可学习的权重参数，其取值区间为[0,1]，然后通过Adam优化算法学习得到最优权重，即融合后的特征可以表示为： 15； 步骤5、将步骤4中融合后的特征向量输入CRF模型进行预测，并通过各项评价指标对模型性能进行评估；所述步骤5的具体过程如下： 步骤5.1、使用CRF作为预测模型，输入步骤4中融合的特征，进行训练，以预测每个字的标注； 步骤5.2、在步骤5.1训练过程中，CRF模型利用序列交叉熵损失函数对权重进行优化，使得预测的标注序列符合真实的标注序列； 所述序列交叉熵损失函数用于衡量预测值和真实标签之间的差异，交叉熵损失函数的公式为： 16 其中，为预测的类别概率分布；为真实标签；M为事件的数量。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。