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！

龙图腾网获悉东南大学申请的专利一种面向多模态数据的突发事件论元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：CN115718828B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202211416446.3，技术领域涉及：G06F16/951；该发明授权一种面向多模态数据的突发事件论元抽取方法是由柏超宇;漆桂林设计研发完成，并于2022-11-12向国家知识产权局提交的专利申请。

本一种面向多模态数据的突发事件论元抽取方法在说明书摘要公布了：本发明公开了一种新的基于机器阅读理解技术的事件论元抽取方法，主要用于在已知突发事件类型的情况下，抽取事件论元。本方案主要分为两个部分，一部分是图像描述生成模块，该模块针对包含突发事件的微博配图使用ResNet抽取出图像特征，接着采用一种束搜索的方式从图像特征中解码出关于微博图片的文字描述，通过该方法引入图像的信息，增强模型的输入。另一部分是论元抽取模块，该模块将识别出的突发事件类型以及待抽取的事件论元生成问题，使用机器阅读理解的方式从微博文本和图像描述中抽取所需的事件论元。

本发明授权一种面向多模态数据的突发事件论元抽取方法在权利要求书中公布了：1.一种面向多模态数据的突发事件论元抽取方法，其特征在于，所述方法包括以下步骤： 步骤1通过使用ResNet模型抽取出微博配图的图像特征； 步骤2通过LSTM模型对步骤1获得的微博配图的图像特征进行解码，获得微博配图的图像描述； 步骤3在大量标注图文对数据上采用Teacher‑Forcing的方式训练步骤2中的模型，在实际预测的时候，采用束搜索的方式来获得图像的文本描述； 步骤4将事件类型、待抽取论元、微博文本信息和微博图像描述拼接为自然语言的篇章及问题； 步骤5通过预训练模型BERT将步骤4获得的篇章及问题转化为对应的向量表示； 步骤6通过机器阅读理解模型从步骤5获得的向量表示中，抽取出所需的事件论元； 步骤7在大量标注的事件论元对数据上，通过mini‑batch梯度下降的方式来训练初始模型，获得优化的事件论元抽取模型； 其中，所述步骤2中对于ResNet生成的微博图像表征，解码器将其解码为该图像的描述，将该问题建模为一个单向递归的自回归模型，使得生成的序列在语言模型上的概率最大，具体实现为： ； 其中，X为输入模型的序列集合，Xi为第i位输入的字词，Y为模型输出的序列集合，Yi为第i位输出的字词； 其中，所述步骤5中，通过预训练模型BERT将步骤4获得的篇章及问题转化为对应的向量表示，按照以下步骤进行转化，步骤51生成Token Embedding，即word Embeddings，对于中文采用按字进行分割，对于英文采用WordPiece的方式进行预处理，将词拆分成词缀的形式，减少未登录词带来的影响； 步骤52生成Segment Embedding，用来区分拼接而成的各个部分，对问题区域标记为0，对文本token区域标记为1，对图像token区域标记为2，保证最终抽取的论元跨度存在于文本序列中； 步骤53生成Position Embedding，对每个输入的位置进行编码，添加位置信息，采用BERT的按位依次编码方式； 步骤54把以上三个embedding层相加，得到Embedding层； 步骤55将文本Embedding层向量输入到标准的BERT预训练模型里面，得到序列的特征表示。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。