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！

龙图腾网获悉曲靖师范学院申请的专利基于图知识蒸馏的跨语言新闻核心事件分析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：CN120492635B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510561550.9，技术领域涉及：G06F16/36；该发明授权基于图知识蒸馏的跨语言新闻核心事件分析方法是由朱恩昌;范全润;任友俊;杜常青;姚贤明;董婧设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本基于图知识蒸馏的跨语言新闻核心事件分析方法在说明书摘要公布了：本发明涉及基于图知识蒸馏的跨语言新闻核心事件分析方法，属于自然语言处理技术领域。由于低资源语言场景下新闻核心事件分析标注数据稀缺，篇章新闻事件全局特征和事件间关联特征挖掘和建模困难。针对此问题，提出基于图知识蒸馏的跨语言新闻核心事件分析方法；本发明通过构建以事件要素为顶点的事件超图来表征事件全局特征，以事件为顶点的事件线图来表征事件间关联特征；并利用跨语言图知识蒸馏将富资源语言中的事件特征知识和关系知识迁移到低资源语言，提升低资源语言新闻核心事件分析效果。实验结果表明，该方法可以有效挖掘和建模篇章新闻事件全局特征和事件间关联特征，并有效缓解低资源语言场景下新闻核心事件分析标注数据稀缺难题。

本发明授权基于图知识蒸馏的跨语言新闻核心事件分析方法在权利要求书中公布了：1.基于图知识蒸馏的跨语言新闻核心事件分析方法，其特征在于：所述方法的具体步骤包括： Step1、构建事件超图和事件线图； Step2、构建图卷积，图卷积包括事件超图卷积、线图卷积、跨视角自监督学习三个模块，图卷积用于对事件文本进行编码提取更高维度的事件深层语义信息及事件间结构信息； Step3、通过跨语言图知识蒸馏模型进行跨语言图知识蒸馏：跨语言图知识蒸馏模型整体框架包括两个核心模块：事件特征知识蒸馏模块和关系特征知识蒸馏模块； 进行跨语言图知识蒸馏用于利用事件特征知识蒸馏和关系特征知识蒸馏，将富资源语言教师模型中的知识迁移至低资源语言学生模型； 具体而言，教师模型通过事件超图通道提取的事件特征知识，以及通过事件线图通道捕获的关系知识，将被分别蒸馏到学生模型中对应的事件超图通道和线图通道；为增强学生模型的表征能力，训练过程中引入了跨视角自监督学习机制，以对齐超图与线图通道生成的事件嵌入，用于丰富低资源语言新闻文本的最终事件表征，基于此表征，可进一步分析事件在新闻文本中的核心性； 所述Step2包括： Step2.1、利用超图卷积网络来捕获事件要素之间的高阶关系从而得到事件嵌入，并对事件之间的复杂关系进行建模；将超图卷积定义为： ； 其中，是一个非线性激活函数，包括LeakyReLU或eLU，是层的超图卷积，是第层的某个节点属性，N1表示事件超图中的事件要素节点总数，M1表示事件超图中的事件超边总数，是事件的邻接矩阵；过滤器用于提取超图中节点的特征，在具体的实现中将每个超边的权重设为1，即，将上述公式行归一化后表示为： ； 其中，表示第层的行规范化矩阵，表示权重矩阵，和分别表示边度和顶点度的对角矩阵； 超图卷积通过在超图上执行“节点-超边-节点”的特征变换实现高效捕获事件超图中的高阶语义关系； Step2.2、在超图卷积的基础上引入线图神经网络来捕获事件超边之间的交互信息，进一步建模事件超图深层语义信息和结构信息；通过引入图注意力GAT来进一步建模事件之间的关联特征；在具体的实现中使用Hyper-SAGNN中使用的策略来改进事件的嵌入； Step2.3、事件超图和事件线图分别经过层图卷积后分别得到事件超图视角的事件嵌入和事件线图视角的事件嵌入，进而得到事件的最终嵌入： ； 其中，是平衡两个通道事件表征的超参数； 所述Step2中，引入了跨视图自监督学习CSSL任务，学习事件超图视角和事件线图视角最终获得事件表征的一致性；在具体的实现中，采用了InfoNCE损失函数，旨在最大化这两种视图之间的互信息，进而提升模型在事件表示学习方面的性能： ； 其中，测量两个向量之间的余弦相似度，是文档中的事件总数，是文档中的某一事件的序数，一个温度超参数。

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曲靖师范学院，其通讯地址为：655011 云南省曲靖市麒麟区三江大道222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。