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！

龙图腾网获悉国家计算机网络与信息安全管理中心;中国科学院信息工程研究所申请的专利基于语义网络词表示与注意力图的事件检测方法及装置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：CN115700583B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202110806934.4，技术领域涉及：G06F40/284；该发明授权基于语义网络词表示与注意力图的事件检测方法及装置是由李鹏;万辛;沈亮;王勇;王泽辰;孙晓晨;杨晶超;倪善金设计研发完成，并于2021-07-16向国家知识产权局提交的专利申请。

本基于语义网络词表示与注意力图的事件检测方法及装置在说明书摘要公布了：本发明公开了一种基于语义网络词表示与注意力图的事件检测方法及装置，包括：拼接每个词的词内容向量、词结构向量与位置特征向量，生成各句子的特征图；结合各词的POS向量进行注意力机制的计算，生成各句子的新特征图；基于新特征图生成句层面特征向量；利用句层面特征向量与词内容向量的拼接结果，获取事件检测结果。本发明综合利用了外部语料库、语义网络、词性和注意力图，并通过优化特征，更准确地抽取触发词，引入了更多信息，解决了一词多义问题，表达了同义词之间的关联信息，得到更精确地事件检测结果。

本发明授权基于语义网络词表示与注意力图的事件检测方法及装置在权利要求书中公布了：1.一种基于语义网络词表示和注意力图的事件检测方法，其步骤包括： 1利用预训练的语言模型，生成文本数据中每个词的词内容向量CWF； 2根据样本数据集中词与词之间的语义联系，构建语义图G，并利用所述语义图G，生成每个词的词结构向量SF，其中语义图G中的顶点为词，语义图G中的边表示词与词之间的语义关系，通过以下步骤生成文本数据中每个词的词结构向量SF： 将语义图G表示为邻接矩阵M，并基于邻接矩阵M，为没有直接语义关联的词计算语义相似性分数，获取完全语义关联矩阵MG； 对完全语义关联矩阵MG中的每一行使用L2范数进行归一化，得到变换矩阵； 使用主成分分析变换矩阵，生成每个词的词结构向量SF； 3依据每个词在文本数据的各句子中位置，生成每个词的位置特征向量PF；其中，通过以下步骤生成位置特征向量PF： 按顺序遍历各句子中的每个词，并将遍历到的词设为候选触发词； 获得相应句子中每一个词到候选触发词的相对距离d； 依据相对距离d与随机生成的嵌入矩阵，生成距离向量矩阵，其中距离向量矩阵中第d行表示的向量，代表与触发词或论元距离为d的词位置向量； 通过反向传播，对距离向量矩阵进行随机初始化及优化，得到每个词的位置特征向量PF； 4拼接每个词的词内容向量CWF、词结构向量SF与位置特征向量PF，并基于文本数据的每个句子及拼接结果，生成每一句子的特征图； 5生成文本数据中各词的POS向量，并基于特征图与各词的POS向量进行注意力机制的计算，生成各句子的新特征图；其中，通过以下步骤生成新特征图： 设每一特征图都是长为dk的向量，生成长度为w的随机向量WQ，并计算长为dk的向量与随机向量WQ的积，生成矩阵Q； 平行拼接各词的POS向量生成POS矩阵，生成长为w、宽为POS向量长度的随机矩阵WK，并计算POS矩阵与随机矩阵WK的积，生成矩阵K； 生成长度为dk的随机向量WV，并计算随机向量WV与特征图的积，生成矩阵V； 利用矩阵Q、矩阵K及矩阵V，生成注意力矩阵Z； 将注意力矩阵Z与特征图分别相乘，生成新特征图； 6将基于新特征图生成的句层面特征向量P与该句子中的各词内容向量CWF进行拼接，并对拼接得到的输入向量F进行分类，获取事件检测结果；其中，通过以下步骤生成句层面特征向量P： 遍历各句子中的每个词，且每次选取一个词作为候选触发词； 以候选触发词为分界对该句子的新特征图进行划分，分别获得各触发词的前半部分新特征图及后半部分新特征图； 计算各前半部分新特征图及后半部分新特征图的值，分别选取一具有最大值的前半部分新特征图及一具有最大值的后半部分新特征图； 将各句子的具有最大值的前半部分新特征图与具有最大值的后半部分新特征图，拼接在一起，得到句层面特征向量P。

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国家计算机网络与信息安全管理中心;中国科学院信息工程研究所，其通讯地址为：100029 北京市朝阳区裕民路甲3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。