買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉電子科技大學(xué)申請的專利一種基于混合剪枝與注意力圖卷積網(wǎng)絡(luò)的實體關(guān)系抽取方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116881434B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310852769.5，技術(shù)領(lǐng)域涉及：G06F16/335；該發(fā)明授權(quán)一種基于混合剪枝與注意力圖卷積網(wǎng)絡(luò)的實體關(guān)系抽取方法是由凌世謀;潘力立;李宏亮設(shè)計研發(fā)完成，并于2023-07-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于混合剪枝與注意力圖卷積網(wǎng)絡(luò)的實體關(guān)系抽取方法在說明書摘要公布了：本發(fā)明公開了一種基于混合剪枝與注意力圖卷積網(wǎng)絡(luò)的實體關(guān)系抽取方法，為了學(xué)習(xí)到輸入句子對應(yīng)依存句法樹中表現(xiàn)實體關(guān)系的豐富語義信息，設(shè)計了一種結(jié)合“硬剪枝”與“軟剪枝”的依存句法樹混合剪枝策略來學(xué)習(xí)實體依存關(guān)系對應(yīng)的鄰接矩陣。接著，基于稠密連接網(wǎng)絡(luò)，同時結(jié)合RGCN網(wǎng)絡(luò)的思想，對該網(wǎng)絡(luò)中的每個隱藏層進(jìn)行建模，進(jìn)而指導(dǎo)生成輸入句子與其中關(guān)鍵文本實體的神經(jīng)隱式表示。最后，將前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用于句子和實體拼接后形成的嵌入表示，執(zhí)行文本實體關(guān)系分類任務(wù)。在PubMed數(shù)據(jù)集的實驗結(jié)果表明，所提出的HP?GCN模型能夠提升對文本中的實體關(guān)系抽取的質(zhì)量，實現(xiàn)了先進(jìn)的性能。

本發(fā)明授權(quán)一種基于混合剪枝與注意力圖卷積網(wǎng)絡(luò)的實體關(guān)系抽取方法在權(quán)利要求書中公布了：1.一種基于混合剪枝與注意力圖卷積網(wǎng)絡(luò)的實體關(guān)系抽取方法，其特征在于，包括以下步驟： S1、根據(jù)輸入文本句子x，設(shè)計基于依存句法樹的“硬剪枝”策略，對于基于依存句法樹的“硬剪枝”策略，將遵循以關(guān)鍵實體路徑為中心的啟發(fā)式剪枝思想，根據(jù)最短依存路徑、最近公共祖先和剪枝樹三種結(jié)構(gòu)，獲得目標(biāo)實體對之間的公共子樹路徑，保留其中的關(guān)鍵節(jié)點及其依存關(guān)系邊，從而構(gòu)造相應(yīng)的硬依存鄰接矩陣Ahard； S2、根據(jù)輸入文本句子x，探討基于依存句法樹的“軟剪枝”策略，通過注意力驅(qū)動的圖卷積網(wǎng)絡(luò)來自動學(xué)習(xí)x所對應(yīng)原始依存句法樹中所有依存關(guān)系對應(yīng)的權(quán)重表示，并將上述樹結(jié)構(gòu)轉(zhuǎn)換為軟依存鄰接矩陣Asoft； 在通過注意力驅(qū)動的圖卷積網(wǎng)絡(luò)構(gòu)建軟依存鄰接矩陣Asoft時，將x所對應(yīng)原始依存句法樹轉(zhuǎn)換為具有完全連接邊的加權(quán)圖；每個Asoft都對應(yīng)于一個全連接圖，其中的每個元素表示節(jié)點i到節(jié)點j的依存關(guān)系邊權(quán)重；表示一個全連接圖G1；Asoft可通過使用自注意機(jī)制來進(jìn)行構(gòu)建，其優(yōu)勢在于：可以捕捉到單個序列中任意兩個位置之間的相互作用；當(dāng)然，同樣通過使用多頭注意力機(jī)制來計算Asoft，這樣可使模型能夠從多個視角給予文本句子x多層注意力，共同關(guān)注來自不同單詞嵌入表示子空間的交互信息；具體計算包含一個查詢和一組鍵值對，結(jié)果值可通過加權(quán)而得到，其中權(quán)重可由具有相應(yīng)鍵的查詢函數(shù)來完成，計算公式如下： 其中，Q和K都表示HP-GCN模型中第l-1層的集合表示；和是投影參數(shù)矩陣，是第t個注意力引導(dǎo)的鄰接矩陣，對應(yīng)第t個頭；在這里，最多可以構(gòu)建N個矩陣，其中N為超參數(shù)； S3、通過加權(quán)的方式將Ahard和Asoft進(jìn)行結(jié)合，學(xué)習(xí)x對應(yīng)的依存鄰接矩陣A； S4、根據(jù)稠密連接網(wǎng)絡(luò)，分別定義該網(wǎng)絡(luò)中每層節(jié)點的初始表示進(jìn)一步結(jié)合RGCN網(wǎng)絡(luò)的思想，對該網(wǎng)絡(luò)中的每個隱藏層進(jìn)行建模； S5、將稠密連接網(wǎng)絡(luò)中N個不同稠密連接層的表示進(jìn)行線性組合后輸出，進(jìn)而指導(dǎo)生成輸入句子的神經(jīng)隱式表示hsent和其中關(guān)鍵實體的神經(jīng)隱式表示 S6、最后，將前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用于句子和實體拼接后形成的嵌入表示hfcon，執(zhí)行實體關(guān)系分類任務(wù)，并采用隨機(jī)梯度下降方法對HP-GCN模型進(jìn)行求解。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人電子科技大學(xué)，其通訊地址為：611731 四川省成都市高新區(qū)（西區(qū)）西源大道2006號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。