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！

龙图腾网获悉昆明理工大学申请的专利融合主题与实体知识的新闻匹配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：CN115292447B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202210823699.6，技术领域涉及：G06F16/334；该发明授权融合主题与实体知识的新闻匹配方法是由余正涛;梁胤;朱恩昌设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本融合主题与实体知识的新闻匹配方法在说明书摘要公布了：本发明提出一种融合主题与实体知识的新闻匹配方法，属于自然语言处理技术领域。该方法通过把待匹配的文本分别通过主题分析模型和实体识别工具得到主题与实体知识，提取到的主题和实体知识的特征对新闻文本进行进一步的理解，构成伪孪生网络的形式，计算两者的相似分数，判断其是否匹配。本发明提出的方法能够基于多种形式的新闻文本有效地提升匹配的准确率，适用于新闻与案件的新闻相关性匹配。

本发明授权融合主题与实体知识的新闻匹配方法在权利要求书中公布了：1.融合主题与实体知识的新闻匹配方法，其特征在于：通过主题信息生成模型获取主题分布向量，然后利用主流实体识别模型识别出新闻的实体知识，并通过模板化词向量的方法获取实体知识嵌入向量，同时将主题分布向量、实体知识嵌入向量两个向量与新闻上下文语义表示向量进行融合，得到具备偏好的待匹配新闻上下文语义文本嵌入向量，再利用曼哈顿距离计算两者匹配度； 所述融合主题与实体知识的新闻匹配方法的具体步骤如下： Step1、语料预处理：预处理不同规模的平行训练语料、验证语料和测试语料，用于模型训练、参数调优和效果测试； Step2、文本编码：获取预处理的新闻文档数据后，将其通过WoBERT模型进行训练获得具有上下文语义信息的词嵌入表征，从而得到新闻文本的词袋表示向量和词嵌入向量；训练过程中的输入编码向量是词、句和位置三个嵌入表征的结合； Step3、主题提取：利用主题信息生成模型BERT-ECTM获取主题分布向量，以获取新闻语料；具体为：将Step2中获取的新闻文本的词袋表示向量和词嵌入向量输入到主题分析模型中，获取具有新闻的主题分布； Step4、实体知识提取：当输入待匹配新闻进行命名实体识别后，输出其命名实体标注信息，选取其中的“NR、NS、NT和T”词性标签；利用模板Embedding方法获取新闻中的实体嵌入，使用“e”的嵌入来表示实体知识嵌入向量，利用最大池化中的平滑方式获取每个实体的实体嵌入；将Step2得到的BERT编码的新闻文本的词嵌入向量进行线性变换后将其与Step3得到的新闻的主题分布向量和Step4得到的实体知识嵌入向量进行拼接，获取具备偏好的待匹配新闻上下文语义文本嵌入向量，用于后续文本匹配计算； Step5、匹配：根据得到的具有偏好的待匹配新闻的上下文语义文本嵌入向量，先计算两个的语义表示向量的曼哈顿距离，然后经过sigmoid函数进行归一化处理，从而计算新闻a和新闻b的匹配度，也就是相似分数； 所述Step3的具体步骤为： Step3.1、将编码模块中获取的新闻文本的词袋表示向量和词嵌入向量输入到主题分析模型中，获取具有偏好的主题分布； Step3.2、从主题中采样，利用第n个单词的主题，根据主题，结合新闻的词嵌入向量进行解码，得到具备偏好的主题-词分布； Step3.3、然后将主题-词分布向量输入多头自注意力机制中进行计算，从而得到新的更具偏好的主题分布向量： ； ； 其中表示具有偏好主题分布-词分布向量，Mulit-Head-Attention表示多头自注意力机制的计算过程，表示更具偏好的主题分布向量，将其融入到新闻匹配中，以提升其性能，d表示主题分布向量的维度大小。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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。