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(山东省科学院)申请的专利基于混合深层关系矩阵的文本双向关系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：CN117035086B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202311100719.8，技术领域涉及：G06N5/025；该发明授权基于混合深层关系矩阵的文本双向关系抽取方法及系统是由赵晶;胡玉帅;邹庆志;张荣环;陈玲设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本基于混合深层关系矩阵的文本双向关系抽取方法及系统在说明书摘要公布了：本发明公开了一种基于混合深层关系矩阵的文本双向关系抽取方法及系统，该方法包括：获取文本数据；将文本数据输入至预训练的Bert模型中进行分词编码，生成文本数据的词向量；将文本数据的词向量输入至基于混合深层关系矩阵的文本双向关系抽取模型中，先通过主宾对双向提取模块，分别从主语到宾语的方向和从宾语到主语的方向提取主宾对词向量，分别提取的主宾对词向量和文本数据的词向量再共同通过基于关系抽取矩阵的RE模块，分配文本数据中词向量的主语、宾语和关系，最终输出文本数据中主语、宾语和关系的实体关系三元组。本发明通过双向关系抽取模型解决误差传播的问题，通过混合深层关系矩阵减少错误主宾对的抽取，提高模型的精度。

本发明授权基于混合深层关系矩阵的文本双向关系抽取方法及系统在权利要求书中公布了：1.一种基于混合深层关系矩阵的文本双向关系抽取方法，其特征是，包括： 获取文本数据； 将文本数据输入至预训练的Bert模型中进行分词编码，生成文本数据的词向量；所述文本数据的词向量为文本数据中每个词的上下文表示特征； 将文本数据的词向量输入至基于混合深层关系矩阵的文本双向关系抽取模型中，先通过主宾对双向提取模块，分别从主语到宾语的方向和从宾语到主语的方向提取主宾对词向量，分别提取的主宾对词向量和文本数据的词向量再共同通过基于关系抽取矩阵的RE模块，分配文本数据中词向量的主语、宾语和关系，最终输出文本数据中主语、宾语和关系的实体关系三元组； 所述分别从主语到宾语的方向和从宾语到主语的方向提取主宾对词向量，包括： 从主语到宾语的方向提取主宾对词向量，包括：通过主语标注器提取输入数据中的所有主语，通过基于主语的宾语标注器，根据所提取的主语提取输入数据中的所有宾语，输出主宾对词向量； 其中，基于主语的宾语标注器用于根据提取的主语提取所有宾语；基于主语的宾语标注器包括迭代标注结构，依次选取提取的主语，并为每个选定的主语提取所有宾语，即针对选定的主语，对于输入的文本数据中的每个单词，被分配两个概率来表示该单词作为与选定主语相关的宾语的起始单词和结束单词的可能性； 从宾语到主语的方向提取主宾对词向量，包括：通过宾语标注器提取输入数据中的所有宾语，通过基于宾语的主语标注器，根据所提取的宾语提取输入数据中的所有主语，输出主宾对词向量； 其中，基于宾语的主语标注器用于根据提取的宾语提取所有主语；基于宾语的主语标注器包括迭代标注结构，依次选取提取的宾语，并为每个选定的宾语提取所有主语，即针对选定的宾语，对于输入的文本数据中的每个单词，被分配两个概率来表示该单词作为与选定宾语相关的主语的起始单词和结束单词的可能性； 所述基于关系抽取矩阵的RE模块的损失函数为： LRE=； 其中，LRE为深层矩阵对应损失，用于衡量预测的对应分数和真实的对应标签之间的差异；n表示缩放标量；l是输入句子中的标记数量；k和j分别是主语和宾语的起始位置的索引；t是真实的对应标签，为一个0或1的值，表示第k个词和第j个词是否构成一个正确的主宾对；pks,jo是预测的对应分数，是一个0到1之间的值，表示第k个词和第j个词构成一个主宾对的置信度。

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(山东省科学院)，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”。

以上内容由龙图腾AI智能生成。