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！

龙图腾网获悉北京市科学技术研究院申请的专利一种科情图文知识库构建方法、设备及介质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：CN119782505B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411855157.2，技术领域涉及：G06F16/334；该发明授权一种科情图文知识库构建方法、设备及介质是由吴素研;侯元元;张士运;吕志坚;徐冠宁;熊蕊;杜丽萍;汪霜傲设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种科情图文知识库构建方法、设备及介质在说明书摘要公布了：本申请公开了一种科情图文知识库构建方法、设备及介质，涉及知识库构建领域，方法包括：对于每篇科研文件，将对应的科研文本及科研图片输入至预设的科研图片‑文本匹配模型中以得到科研图片‑文本对；预设的科研图片‑文本匹配模型为采用训练样本集对预设深度学习神经网络训练得到的；基于科研图片‑文本对，抽取科研实体及对应的属性、两个科研实体之间的关系，并映射至预设科情图文知识库本体中，以得到科情图文知识库；预设科情图文知识库本体包括多个三元组，每个三元组均包括两个科研实体、两个科研实体之间的关系及每个科研实体的属性。本申请构建了包含图文信息的科情图文知识库，从而提高数据的价值和利用效率。

本发明授权一种科情图文知识库构建方法、设备及介质在权利要求书中公布了：1.一种科情图文知识库构建方法，其特征在于，所述科情图文知识库构建方法包括： 获取含有图片的多篇科研文件并进行预处理，以得到每篇所述科研文件对应的科研文本及科研图片； 对于每篇科研文件，将对应的所述科研文本及所述科研图片输入至预设的科研图片-文本匹配模型中，以得到科研图片-文本对；所述预设的科研图片-文本匹配模型为采用训练样本集对预设深度学习神经网络训练得到的； 获取预设科情图文知识库本体；所述预设科情图文知识库本体包括多个三元组，每个三元组均包括两个科研实体、两个所述科研实体之间的关系及每个所述科研实体的属性； 基于所述科研图片-文本对，抽取所述科研实体及对应的属性、两个所述科研实体之间的关系，并映射至所述预设科情图文知识库本体中，以得到科情图文知识库； 所述预设的科研图片-文本匹配模型包括视觉编码器、文本编码器、外部知识结合模块、跨模态匹配模块及损失函数模块； 所述视觉编码器的输入端用于接收所述科研图片，所述视觉编码器的输出端与所述跨模态匹配模块的第一输入端连接；所述文本编码器的输入端用于接收所述科研文本，所述文本编码器的输出端与所述跨模态匹配模块的第二输入端连接；所述跨模态匹配模块的输出端与所述损失函数模块连接； 所述视觉编码器，采用卷积神经网络，对科研图片进行整体建模，以得到图片全局视觉表示，再采用自注意机制或图卷积网络强化视觉模态内实体间关系；所述文本编码器，利用Transformer模型将多头注意力机制引入文本编码器中，对文本语句进行建模，以得到相应表示；所述跨模态匹配模块，通过将视觉特征和文本特征联合嵌入到共空间中进行跨模态语义相似性估计，来衡量跨模态语义相似性；所述损失函数模块，采用相同的排序函数来学习，如铰链排序损失和双向铰链排序损失；在训练过程中，损失函数的值达到预设损失条件时，结束训练； 所述外部知识结合模块设置在所述视觉编码器与所述文本编码器之间，所述外部知识结合模块用于：度量所述科研图片与对应在所述科研文本中的文本段落位置之间的距离，并作为图片-文本对距离特征分别送入所述视觉编码器及所述文本编码器。

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市科学技术研究院，其通讯地址为：100089 北京市海淀区西三环北路27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”。