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)獲悉華南師范大學(xué)申請的專利基于輕量級自注意力機(jī)制的實體關(guān)系聯(lián)合抽取方法及裝置獲國家發(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：CN114896415B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-15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：202210499603.5，技術(shù)領(lǐng)域涉及：G06F16/36；該發(fā)明授權(quán)基于輕量級自注意力機(jī)制的實體關(guān)系聯(lián)合抽取方法及裝置是由王藝軒;吳正洋;湯庸設(shè)計研發(fā)完成，并于2022-05-09向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于輕量級自注意力機(jī)制的實體關(guān)系聯(lián)合抽取方法及裝置在說明書摘要公布了：本發(fā)明公開了基于輕量級自注意力機(jī)制的實體關(guān)系聯(lián)合抽取方法及裝置，方法包括獲取目標(biāo)句子數(shù)據(jù)，并將所述目標(biāo)句子數(shù)據(jù)輸入實體分類模型；通過所述實體分類模型對所述目標(biāo)句子數(shù)據(jù)的所有子序列進(jìn)行分類，得到實體序列和無實體序列；獲取所述實體序列中的任意對實體對，并將所述實體對以及所述實體對之間的各個詞組合后輸入關(guān)系分類模型中；通過實體關(guān)系聯(lián)合抽取模型生成實體關(guān)系聯(lián)合的分類結(jié)果；其中，所述實體關(guān)系聯(lián)合抽取模型包括Bert編碼器、實體分類模型和關(guān)系分類模型。本發(fā)明復(fù)雜度低，能夠提升實體關(guān)系模型的性能，可廣泛應(yīng)用于人工智能技術(shù)領(lǐng)域。

本發(fā)明授權(quán)基于輕量級自注意力機(jī)制的實體關(guān)系聯(lián)合抽取方法及裝置在權(quán)利要求書中公布了：1.基于輕量級自注意力機(jī)制的實體關(guān)系聯(lián)合抽取方法，其特征在于，包括： 獲取目標(biāo)句子數(shù)據(jù)，并將所述目標(biāo)句子數(shù)據(jù)輸入實體分類模型； 通過所述實體分類模型對所述目標(biāo)句子數(shù)據(jù)的所有子序列進(jìn)行分類，得到實體序列和無實體序列； 獲取所述實體序列中的任意對實體對，并將所述實體對以及所述實體對之間的各個詞組合后輸入關(guān)系分類模型中； 通過實體關(guān)系聯(lián)合抽取模型生成實體關(guān)系聯(lián)合的分類結(jié)果； 其中，所述實體關(guān)系聯(lián)合抽取模型包括Bert編碼器、實體分類模型和關(guān)系分類模型； 所述Bert編碼器為輕注意編碼器，所述輕注意編碼器包括多個編碼器塊和一個由全連接的網(wǎng)絡(luò)層組成的文本編碼器模塊； 當(dāng)所述輕注意編碼器的輸入為文本向量時，同步獲取文本向量的一維位置編碼信息后，進(jìn)行句子編碼； 在句子編碼后，添加一個額外的一維向量作為全局信息，補(bǔ)充句子的整體信息； 將句子編碼后的向量序列輸入跨度分類器進(jìn)行實體檢測，將所有檢測到的子序列劃分為實體類型和非實體類型； 將實體對和它們之間的跨度組合成一個長向量； 將所述長向量輸入到關(guān)系分類器，提取長向量中的關(guān)系。

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)人華南師范大學(xué)，其通訊地址為：510000 廣東省廣州市中山大道西55號華南師范大學(xué)計算機(jī)學(xué)院；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)”。