買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江工業大學申請的專利一種基于多尺度特征融合的評價三元組抽取方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114722811B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210331198.6，技術領域涉及：G06F40/284；該發明授權一種基于多尺度特征融合的評價三元組抽取方法是由朱李楠;許敏皓;朱柘潮;徐翼飛;孔祥杰設計研發完成，并于2022-03-30向國家知識產權局提交的專利申請。

本一種基于多尺度特征融合的評價三元組抽取方法在說明書摘要公布了：一種基于多尺度特征融合的評價三元組抽取方法，包括：1數據預處理：對語料庫中的句子進行分詞、去除停用詞等操作；2構造單詞嵌入：利用預訓練向量將句子中的單詞轉化為詞嵌入；3特征豐富：采用不同卷積核大小的CNN提取多尺度局部特征，并利用BiLSTM進一步捕捉句子當中的上下文信息，從而獲得特征豐富的單詞表示；4構造詞組級單詞表示：設計了簡單的詞組感知表示選擇機制，通過判斷當前單詞所屬的詞組的長度，選擇合適的詞組級單詞表示；5評價三元組抽取：構造對應的網格表示，進一步進行預測和解碼，獲得最終的評價三元組。本發明能夠幫助更好地理解評論中的復雜語句，提高評價三元組的抽取準確率。

本發明授權一種基于多尺度特征融合的評價三元組抽取方法在權利要求書中公布了：1.一種基于多尺度特征融合的評價三元組抽取方法，包括以下步驟： S1：對語料庫中的句子進行分詞、去除停用詞等數據預處理操作； S2：利用預訓練向量將句子中的單詞轉化為詞嵌入； S3：將詞嵌入輸入到特征豐富層獲得特征表示； S4：構造詞組級的單詞表示； S5：基于現有的解碼方法抽取評價三元組； 步驟S3具體包括： S3.1：基于CNN采用不同的感受野構造單詞的n-gram局部特征表示，感受野的卷積核大小分別被設置為1、2、3、4，計算公式如下，k代表卷積核的大小： H1＝Conv1DX,k＝11 H2Conv1DX,k＝22 H3＝Conv1DX,k＝33 H4＝Conv1DX,k＝44 S3.2：將S3.1構造的n-gram局部特征表示拼接在一起，參考金字塔架構利用卷積核大小為5、3的CNN逐步提取高層次的單詞特征，計算公式如下，[:]代表向量的拼接操作： H＝[H1:H2:H3:H4]5 H＝Conv1DX，k＝56 H＝Conv1DX，k＝37 S3.3：將S3.2構造的單詞特征輸入到BiLSTM進一步捕捉句子當中的上下文信息，從而獲得特征豐富的單詞表示，計算公式如下： H′＝BiLSTMH8 步驟S4具體包括： S4.1：構造當前單詞歸屬于不同長度詞組時的單詞表示，計算公式如下，[:]代表向量的拼接操作，s是包含單詞xi的詞組的長度，Ws和bs是權重參數，σ是激活函數： Hs＝σWsHs+bs10 S4.2：利用單詞級的特征表示，判斷當前單詞所歸屬的詞組的長度，計算公式如下Wl和bl是權重參數，σ是激活函數： L＝σWlH+bl11 S4.3：將合適的詞組級單詞表示賦予當前單詞，計算公式如下： S4.4：利用自注意力機制是關注句子中的重要信息，獲得最終含義豐富的詞組級的單詞表示，計算公式如下： Hr＝SelfAttentionHr13 步驟S5具體包括： S5.1：為句子中任意兩個單詞組成的詞對wi,wj構造網格表示，計算公式如下所示，[:]代表向量的拼接操作： S5.2：將網格表示輸入到全連接層進行關系判斷，計算公式如下所示： S5.3：使用一種現有的解碼方法抽取句子中的評價三元組，解碼的具體流程如下： A：首先從預測結果的主對角線中提取所有評價對象和評價詞，其中連續標簽A和連續標簽O可視為一個完整的評價對象和評價詞； B：然后，將所提取的評價對象與所提取的評價詞進行配對，當其對應的網格包含情緒極性時，提取對應的評價三元組。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市拱墅區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。