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！

龙图腾网获悉浙江工业大学申请的专利一种基于深度学习的多特征中文实体关系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：CN114757200B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202210386284.7，技术领域涉及：G06F40/30；该发明授权一种基于深度学习的多特征中文实体关系抽取方法是由张文安;张明德;刘强;刘涛;傅金波;金聪;朱琦设计研发完成，并于2022-04-13向国家知识产权局提交的专利申请。

本一种基于深度学习的多特征中文实体关系抽取方法在说明书摘要公布了：本发明公开了一种基于深度学习的多特征中文实体关系抽取方法，具体涉及自然语言处理技术领域，包括以下步骤：完成多特征中文词嵌入，使用BERT学习字符向量拼接词性标签和字符信息位置信息作为词嵌入向量输入送往多特征循环卷积网络网络，该神经网络包含中文的句子级特征和字符级特征，经过最大池化层，将其作为最终的分类向量送往softmax分类器。对于每个句子，概率最大的值对应的类别就是分类结果。本发明适用于中文文本的关系抽取，能够有效的针对中文语料的复杂关系。

本发明授权一种基于深度学习的多特征中文实体关系抽取方法在权利要求书中公布了：1.一种基于深度学习的多特征中文实体关系抽取方法，其特征在于，包括以下步骤： 步骤1：多特征中文词嵌入：使用BERT模型学习字符向量，并拼接字符位置向量和词性标签作为词嵌入向量； 步骤2：上述向量拼接作为bi-GRU的输入；bi-GRU作为多特征循环卷积网络中提取单词级特征的模块； 所述步骤2具体过程如下： 步骤2.1：GRU有一个当前输入xt和上一个节点传递来的隐状ht-1，结合xt和ht-1，GRU得到隐藏节点的输出yt和下一个节点的隐藏状态ht，这样就获得两个门控状态，r为重置门，z为更新门； rt＝σwr*[ht-1,xt]1 zt＝σwz*[ht-1,xt]2 其中，wr、wz分别表示权重参数； 得到门控信息，使用重置结果rt*ht-1与xt拼接； 是指什么权重参数，是包含了当前输入xt的数据，有选择性的将添加到当前的隐藏状态，也就是保留了当前时刻的状态； 更新阶段，同时进行遗忘和记忆过程； 最后将结果进行输出或者传递给下一个细胞； yt＝σwo*ht5 其中，σ是一个函数公知的sigmoid、wo表示权重参数； 步骤2.2：将步骤1得到的向量表示为el； 步骤2.3：使用bi-GRU来得到每个单词的上下文表示； 步骤2.4：定义wl的左侧内容为cl,右侧为cr；以下为wl的左和右上下文表示： clwl＝fwlclwl-1+wslewl-16 crwl＝fwrcrwl+1+wsrewl+17 wl，wr将隐藏层转换为下一个隐藏层的矩阵；wsl,wsr是用于将当前单词的语意与下一个单词的左侧或右侧上下文相结合的矩阵；f是一个非线性激活函数； 步骤2.5：上述公式6，公式7得到的向量做如下公式8的处理： wl＝[clT,elT,crT]T8 步骤2.6：循环结构对文本进行前向和后向扫描，wl作为文本上下文表示后，应用一个激活函数tanh，yi1作为CNN层的输出,w1作为权重矩阵，b为偏置参数； yi1＝tanhw1wl+b9 其中w1表示权重参数，b偏置参数； 步骤3：采用Bi-LSTM提取上下文的细节，将步骤1结束所得的向量作为Bi-LSTM的输入，其输出记作yi2，作为多特征循环卷积网络中提取字符级特征的模块； 步骤4：步骤2捕获了上下文语义，最后串联左右上下文向量和单词嵌入向量，作为卷积层输出句子级特征。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。