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！

龙图腾网恭喜南京大学申请的专利一种基于引用关联的核心治理目标-工具组合识别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：CN119848238B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510338485.3，技术领域涉及：G06F16/334；该发明授权一种基于引用关联的核心治理目标-工具组合识别方法是由巴志超;王柳虹;尹梓涵;夏义堃设计研发完成，并于2025-03-21向国家知识产权局提交的专利申请。

本一种基于引用关联的核心治理目标-工具组合识别方法在说明书摘要公布了：本发明公开了一种基于引用关联的核心治理目标‑工具组合识别方法，包括以下步骤：（1）选取目标领域，采集治理文件构建数据池并进行预处理；（2）文件数据标注与转换；（3）构建W2NER模型；（4）训练W2NER模型；（5）抽取W2NER模型；（6）构建治理目标‑工具引用网络；（7）识别核心治理目标‑工具；本发明能够揭示核心的治理目标‑工具组合及其互动逻辑，有助于全面理解治理文件要素间的关系与作用，为治理效果评估与优化提供科学的数据支持和决策依据，具有重要的理论意义和实践价值。

本发明授权一种基于引用关联的核心治理目标-工具组合识别方法在权利要求书中公布了：1.一种基于引用关联的核心治理目标-工具组合识别方法，其特征在于，包括以下步骤： （1）选取目标领域，采集治理文件构建数据池并进行预处理； （2）文本数据标注与转换：采集样本数据，根据目标、工具的提示词，借助Doccano软件标注不连续的治理目标、工具和实体间关系，并划分划分训练、验证和测试集； （3）构建W2NER模型：结合双向变换器模型BERT、双向长短期记忆LSTM、卷积层和双仿射Biaffine机制构建模型，用于序列标注和关系抽取任务，提取文本的语义特征，抽取治理目标、工具实体和关系； （4）训练W2NER模型：基于对抗训练与动态学习率调整的文本实体与关系联合抽取模型的训练模型； （5）抽取W2NER模型：基于深度学习的文本实体与关系联合抽取方法抽取文本中的治理目标、工具实体和实体间关系； （6）构建治理目标-工具引用网络：根据文件内容中的书名号标识和引证提示词提取文本之间的引证、被引证关系；通过W2NER模型识别、清洗并整合文本中的治理目标和工具，基于这些信息构建治理目标-工具的引用网络； （7）识别核心治理目标-工具：采用自我球体单元算法ESU对治理目标-工具引用网络进行有向模体motif分析，通过递归的方式识别网络中的诱导子图即目标节点与工具节点间的多重关系和交互模式，并基于识别核心治理目标-工具组合分析其演化过程；包括以下步骤： （71）使用ESU算法进行递归挖掘：应用ESU算法，通过递归的方式对治理目标-工具引用网络中的子图进行挖掘；每次递归都会扩展SUB集合，SUB集合包含与当前节点直接相邻的节点，EXT集合包含与SUB集合中至少一个节点相邻且数字标签更大的节点；ESU算法通过这种递归过程识别出所有符合条件的诱导子图； （72）模体分析与子图分类：在ESU树的每个分支上进行模体分析，通过递归方法识别网络中频繁出现的子图结构；在此过程中，ESU算法通过McKay的nauty算法对每个子图进行同构测试，确保将不同结构的子图分类，并根据它们的频率和浓度进行排序； （73）识别核心治理目标-工具组合：通过ESU算法识别出网络中的频繁子图即核心治理目标-工具组合，为每个子图计算其在随机网络中的频率FRG′；同时，计算目标网络中子图的实际频率FGG′；使用P值进行统计假设检验，评估一个子图是否在目标网络中显著出现；同时设置N值通过生成多个随机网络样本，使得子图频率的评估更为稳定和准确；公式如下： ； 其中，N为随机网络样本数量，为P值，以的概率给出，表示随机网络中的频率；当P值小于阈值0.05时，子图被称为显著模式； （74）核心治理目标-工具模体可视化，在核心治理目标-工具组合识别的基础上，利用可视化技术对模体网络结构进行展示；将治理目标和工具作为网络节点，节点的大小和颜色表示节点的频率和类型；边的粗细则反映治理目标与工具之间的引文关系强度； （75）基于核心治理目标-工具组合模体的引用网络，分析其在不同时间或文件实施阶段的演化过程；通过跟踪核心模体随时间变化的趋势，识别治理目标和工具之间的交替与组合模式的变化。

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南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22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”。