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！

龙图腾网获悉江苏科技大学申请的专利一种基于多注意力机制的专利技术相似性量化方法和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：CN115374244B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202210890494.X，技术领域涉及：G06F16/334；该发明授权一种基于多注意力机制的专利技术相似性量化方法和系统是由王飞;徐泰华设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本一种基于多注意力机制的专利技术相似性量化方法和系统在说明书摘要公布了：本发明公开了一种基于多注意力机制的专利技术相似性量化方法和系统，所述方法包括以下步骤：1基于语义关联性和分布关联性构建注意力权重进行专利摘要词汇与标题词汇之间的主题视角对齐；2基于注意力机制进行关联专利摘要词汇与查询专利摘要词汇之间的量化视角对齐；3基于主题一致性和量化一致性构建融合预测模型用于量化查询专利和关联专利之间的技术相似性。本发明基于主题一致性和量化一致性构建伪查询专利，通过对查询专利与伪查询专利之间的语义差异进行非线性的连接变换，形成查询专利和关联专利之间的语义相似度，实现了公共语境下的技术相似性量化，有助于在保证准确率的基础上提升召回率。

本发明授权一种基于多注意力机制的专利技术相似性量化方法和系统在权利要求书中公布了：1.一种基于多注意力机制的专利技术相似性量化方法，其特征在于，包括以下步骤： 1基于专利摘要词汇与标题词汇构建语义关联和分布关联，用于量化专利技术特征的主题一致性； 2基于查询专利技术特征进行关联专利技术词汇的注意力聚焦，用于构建专利技术特征的量化一致性； 3基于主题一致性和量化一致性构建面向查询专利技术特征的伪查询专利，实现在公共语境下进行专利技术相似性量化工作 所述步骤1为： 1.1基于专利数据不同文本域构建专利文本训练集，通过词向量技术进行专利文本词汇的向量化表示； 1.1.1专利标题域和摘要域拼接形成文本域，进行数据清洗，处理方式包括标点符号清除、停用词移除、词汇溯源，进而形成以特定符号间隔的专利词汇文本集； 1.1.2专利词汇文本集经过词向量工具训练生成一个词向量映射函数，每一个单词经过映射函数投影成一个高维向量； 1.2专利文本的概率词频形成分布关联性，词汇间的语义距离形成语义关联性，融合两种关联性构建专利摘要词汇的主题一致性； 1.2.1一件专利的词汇文本集分为一个标题词汇集W＝w1,w2,…,wk和一个摘要词汇集U＝u1,u2,…,un； 1.2.2基于一件专利的摘要词汇集量化专利的分布关联性，量化方法如下： Pα＝α1,α2,…,αn 其中，αi是摘要词汇ui的分布关联性权重，即摘要词汇词频； 1.2.3基于一件专利的摘要词汇ui与标题词汇集W量化专利的语义关联性，量化方法如下： Pβ＝β1,β2,…,βn 其中，βi是摘要词汇ui的语义关联性权重，即摘要词汇ui与每一个标题词汇wj语义距离累加和的均值，φ是一个词向量映射函数，sim*,*则是一个词向量的语义计算函数； 1.2.4基于一件专利的分布关联性和语义关联性量化专利的主题一致性，量化方法如下： M＝m1,m2,…,mn＝softmaxPα*Pβ 其中，mi是摘要词汇的主题一致性权重，softmax*是一个规范权重分布的函数； 所述步骤2为： 2.1Q＝w1,w2,…,wn是查询专利的词汇文本集，D＝u1,u2,…,um则是关联专利的词汇文本集； 2.2基于注意力机制计算查询专利词汇wi和关联专利词汇文本集D＝u1,u2,…,um之间的量化一致性方法如下： Ai＝ai1,ai2,…,aim 其中，score*,*是一个基于注意力机制的关联性量化函数； 2.3查询专利Q＝w1,w2,…,wn和关联专利D＝u1,u2,…,um的量化一致性矩阵形式化如下： 其中，aij是查询专利词汇wi和关联专利词汇uj的量化一致性权重。

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江苏科技大学，其通讯地址为：212003 江苏省镇江市京口区梦溪路2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。