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！

龙图腾网获悉淮阴工学院申请的专利一种危化品的性质实体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：CN116644194B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310633120.4，技术领域涉及：G06F16/36；该发明授权一种危化品的性质实体抽取方法及系统是由李应豪;赵文东;王昊;马岩;孟岚设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种危化品的性质实体抽取方法及系统在说明书摘要公布了：本发明提供一种危化品的性质实体抽取方法及系统，该方法包括以下步骤：获取msds数据库中的危险化工品名称，通过名称检索对该化学性质的描述文本，得到化学品的性质描述信息文本数据；首先进行数据清洗，同时去掉信息文本中重复的信息，之后使用BIO标注法进行标注，得到总体数据，将总体数据分为训练集和测试集；训练阶段：采用测试集对训练后的模型进行测试，得到测试集合；将训练之后的训练结果和测试集合存储在图数据库Neo4j中。本发明通过构建化工危险品的词典信息，通过cnn卷积获取其特征向量，把抽取到的数据保存到Neo4j图数据库中，构建web应用来对抽取的数据进行检索，从而解决单一模型识别率不佳和对化工危险品性质的实体抽取模型的相对空缺问题。

本发明授权一种危化品的性质实体抽取方法及系统在权利要求书中公布了：1.一种危化品的性质实体抽取方法，其特征在于，包括以下步骤： S1数据采集：获取msds数据库中的危险化工品名称，通过名称检索对化学性质的描述文本，得到化学品的性质描述信息文本数据； S2数据预处理：首先进行数据清洗，同时去掉信息文本中重复的信息，之后使用BIO标注法进行标注，得到总体数据，将总体数据分为训练集和测试集； S3训练阶段： S31词嵌入模型：将训练集的每条信息文本分别输入到基于bilstm的字符级别模型，经过所述基于bilstm的字符级别模型得到联合后的字符向量特征表示，将联合后的字符向量特征表示输入到长短时记忆网络中，得到对输入序列进行建模的结果Ql,Kl,Vl，把其中的Kl，Vl传给attention层，把Ql传输给偏旁特征获取模型中的transformerencoder层； S32偏旁特征获取模型：首先将每条信息文本中的汉字拆分成每个单一的词根，统计词根的词频，然后将词根中的部首输入到卷积神经网络中，让其经过卷积神经网络提取部首级嵌入特征，并将其输入到transformerencoder层； S33把通过attention层的特征和encoder层的特征进行融合，通过条件随机场CRF输出标签信息； S34对步骤S31-S33循环迭代，直至结束； S4采用测试集对训练后的模型进行测试，得到测试集合； S5将训练之后的训练结果和测试集合存储在图数据库Neo4j中； 步骤S31中，基于bilstm的字符级别模型包括： 对匹配到的字符进行分类：首先，选取语句S_1，对语句S_1进行单个字符的切分，切分之后，得到chars={C1,C2,C3,……,Cn-1,Cn}，其中，n为语句字符的长度，之后取每个字符Ci，根据化工词典建立相应的位置信息In_i，将位置信息设置为四类，分别为：{B：表示在匹配单词的第一个位置；M：表示在匹配单词的中间位置；E：表示在匹配单词的末端位置；S：表示单独文字信息}，对应公式表示为： BCi={wi,k,∀wi,k∈L,ik≤n}； MCi={wj,k,∀wj,k∈L,1≤jik≤n}； ECi={wj,i,∀wj,i∈L,1≤ji}； ； 其中，L表示词典，； 压缩：在获得每个字符的{B,M,E,S}词集后，每个词集被压缩成一个固定维度的向量，使用词加权方法获取其整体特征，加权函数对应的公式为： ； 其中，，这里使用每一个词在一个静态数据库上出现的频率当作权重； 字符的联合表示：分别求出和，将其信息整合到字符表示之上，通过以下公式： ； 。

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淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路1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。