齐鲁工业大学刘嵩获国家专利权
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！
龙图腾网获悉齐鲁工业大学申请的专利基于超图神经网络的文档级事件抽取方法及系统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：CN115204171B 。
龙图腾网通过国家知识产权局官网在2025-08-22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：202210932880.0，技术领域涉及：G06F40/284；该发明授权基于超图神经网络的文档级事件抽取方法及系统是由刘嵩;巩京昊;来庆涵设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。
本基于超图神经网络的文档级事件抽取方法及系统在说明书摘要公布了：本发明属于文档级事件抽取领域，提供了一种基于超图神经网络的文档级事件抽取方法及系统，包括获取文档的文本数据；基于文档的文本数据，利用训练好的文档级联合抽取模型进行文档级事件抽取；模型通过设计一种改进的仿射图解析器可以更丰富的获取语法依赖信息以及更长距离的依赖语法信息在局部特征抽取中。另外，还引入了超图卷积网络并用于全局特征抽取，同时构造了句子和单词的关联矩阵并且设计了一种有效的局部特征和关联矩阵的融合机制来增强超图卷积网络的特征抽取能力。
本发明授权基于超图神经网络的文档级事件抽取方法及系统在权利要求书中公布了：1.基于超图神经网络的文档级事件抽取方法，其特征在于，包括： 获取文档的文本数据； 基于文档的文本数据，利用训练好的文档级联合抽取模型进行文档级事件抽取； 其中，所述利用训练好的文档级联合抽取模型进行文档级事件抽取，包括： 通过词向量嵌入获取文本数据的单词向量表示，并利用BiLSTM网络识别单词向量表示的单词序列特征； 对文本数据中每个句子的依赖语法信息进行解析得到软邻接矩阵； 利用图卷积网络学习单词序列特征和软邻接矩阵生成局部特征信息； 基于局部特征信息，得到句子向量表示，基于单词向量表示和句子向量表示，构建关联矩阵； 利用超图卷积网络将关联矩阵和局部特征矩阵进行融合，得到融合特征矩阵，并基于融合特征矩阵进行顶点卷积和超边卷积，得到单词在句子中的概念表示，实现文档级事件抽取。
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齐鲁工业大学，其通讯地址为：250353 山东省济南市长清区大学路3501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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号