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基于多轮机器阅读理解的情感原因对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：CN113988048B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202111192610.2，技术领域涉及：G06F40/205；该发明授权基于多轮机器阅读理解的情感原因对抽取方法是由宋丹丹;周长智设计研发完成，并于2021-10-13向国家知识产权局提交的专利申请。

本基于多轮机器阅读理解的情感原因对抽取方法在说明书摘要公布了：本发明公开的基于多轮机器阅读理解的情感原因对抽取方法，属于自然语言处理与机器学习领域。本发明利用多轮结构将情感原因对抽取任务分解，通过在子句层面而非子句对层面上处理情感原因对抽取任务，缓解子句对层面的标签稀疏性问题，提高对文档情感原因对抽取的效率；此外，利用机器阅读理解方法中的问题设计以及问题和子句之间的交互，充分建立情感子句和原因子句之间的关系，利用所述建立的关系能够抽取各种复杂关系下的情感原因对，适用性更广；基于带有反思机制的多轮机器阅读理解方法对抽取的候选文档情感原因对验证，利用显式的原因语义信息提高情感原因对抽取任务的F1值。本发明应用于自然语言处理与机器学习领域，解决相关技术问题。

本发明授权基于多轮机器阅读理解的情感原因对抽取方法在权利要求书中公布了：1.基于多轮机器阅读理解的情感原因对抽取方法，其特征在于：包括如下步骤， 步骤一、基于多轮机器阅读理解方法实现对文档情感原因对抽取，利用多轮结构将情感原因对抽取任务分解； 步骤二、基于带有反思机制的多轮机器阅读理解方法对抽取的文档情感原因对进行验证；在步骤一的基础之上，加入动态情感抽取任务作为最后一轮，抽取每个原因子句对应的情感子句所述动态情感抽取任务指在动态原因抽取任务的结果基础上，在显式原因语义信息的帮助下，抽取每个原因子句对应的情感子句； 步骤一包括， 步骤1.1：将情感原因对抽取任务分解为静态情感抽取任务和动态原因抽取任务； 所述静态情感抽取任务指抽取出文档中所有的情感子句，动态原因抽取任务指在静态情感抽取任务的结果基础上，在显式情感语义信息的帮助下，抽取每个情感子句对应的原因子句； 步骤1.2：静态情感抽取任务；设计静态情感问题，对文档子句编码，根据文档子句对应编码进行预测从而抽取情感子句；所述文档子句编码实现方法如下：利用预训练模型BERT对静态情感问题和文档子句进行词级别编码，得到情感问题和每个子句中每个词的词向量；利用自注意力机制聚合词向量进行句级别编码，得到情感问题和每个子句的句向量；利用图注意力网络建模文档级关系，更新子句的句向量；通过将情感问题的句向量和每个子句的句向量进行拼接再次更新子句的句向量，实现问题和子句之间的交互，使子句的句向量带有情感语义信息，即实现对文档子句编码；编码后通过一个线性分类器对子句编码进行预测，抽取情感子句，计算静态情感抽取任务损失； 所述静态情感问题指预先设计好的一个用于静态情感抽取任务的问句； 步骤1.3：动态原因抽取任务；设计动态原因问题，对文档子句编码，根据文档子句对应编码进行预测从而抽取情感子句对应的原因子句；基于步骤1.2相同的编码和预测方法，计算动态原因抽取任务损失； 所述动态原因问题指使用问题模板，将步骤1.2抽取出的情感子句包含在问题模板中，构建出用于动态原因抽取任务的问题； 步骤二包括： 步骤2.1：动态情感抽取任务；设计动态情感问题，对文档子句编码，根据文档子句对应编码进行预测从而抽取原因子句对应的情感子句；基于步骤1.2相同的编码和预测方法，计算动态情感抽取任务损失； 所述动态情感问题指使用问题模板，将步骤1.3抽取出的原因子句包含在问题模板中，构建出用于动态情感抽取任务的问题； 步骤三：将步骤1.2、1.3和2.1的三个损失Le,Lc,Lr相加得到总损失，使用该损失训练情感原因对抽取模型直至收敛，记下模型参数用于文档情感原因对抽取任务； 步骤四：将步骤三训练后的情感原因对抽取模型输入文档，使用所述模型抽取所有的情感原因对，即基于反思机制的多轮机器阅读理解实现情感原因对抽取。

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”。

以上内容由龙图腾AI智能生成。