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！

龙图腾网获悉北京理工大学申请的专利一种融合知识和约束图的远程监督关系抽取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：CN115545005B 。

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：202211185558.2，技术领域涉及：G06F40/205；该发明授权一种融合知识和约束图的远程监督关系抽取方法是由刘琼昕;牛文涛;王佳升;王甜甜;方胜设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本一种融合知识和约束图的远程监督关系抽取方法在说明书摘要公布了：本发明公开了一种融合知识和约束图的远程监督关系抽取方法，属于计算机自然语言处理中的文本数据关系提取技术领域。本方法，通过使用实体知识上下文进行额外信息补充。通过实体类型、关系约束图进行关系间信息传递，通过多源融合注意力机制对句子语义信息和实体上下文信息、实体关系约束信息进行信息融合，帮助进行句子和实体关系的表示学习，提升关系抽取效果。本方法同时解决了远程监督关系抽取的数据噪声问题和关系长尾问题，尤其适合对于大规模的文本数据下和复杂文本环境下的关系抽取，对于实现从非结构化文本中抽取结构化事实信息十分有效。

本发明授权一种融合知识和约束图的远程监督关系抽取方法在权利要求书中公布了：1.一种融合知识和约束图的远程监督关系抽取方法，其特征在于，包括以下步骤： 步骤1：收集远程监督数据集中的实体在知识库中的邻居实体，包括一跳、两跳的邻居实体；由远程监督数据集中的实体及其邻居实体组成实体集合，使用该实体集合构建实体邻居图，并结合实体间关系集合构建约束图；对远程监督数据集，将具有相同实体对的句子组合成句子包； 步骤2：获取包内句子中每个单词的词嵌入向量，以及句子的特征向量表示； 步骤3：利用属性编码器，对实体集合中的每一个实体，收集其在知识库中的实体属性信息，包括实体名称、实体别称、实体类型和实体描述；每个实体通过拼接这些属性信息并输入到属性编码器，然后输出矩阵并采取列向量均值化，得到对应实体的属性向量； 步骤4：使用实体邻居图构造邻接矩阵，使用邻接矩阵和实体属性向量作为输入通过图卷积神经网络构造的邻居图编码器，得到目标实体的知识上下文向量表示； 步骤5：使用约束图构造邻接矩阵，使用邻接矩阵和实体类型、关系的向量表示作为输入通过图卷积神经网络构造的约束图编码器得到实体类型和关系的向量表示； 步骤6：将句子的特征向量表示、目标实体的上下文向量表示、实体类型和关系的向量表示作为输入，通过多源融合注意力机制，计算得到句子包的特征向量表示； 步骤7：对句子包的特征向量表示，通过关系分类器，对句子包的关系标签进行预测。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。