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！

龙图腾网获悉长三角信息智能创新研究院申请的专利一种用于智能决策的知识图谱构建方法、装置、电子设备及存储介质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：CN117196032B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202311256349.7，技术领域涉及：G06N5/025；该发明授权一种用于智能决策的知识图谱构建方法、装置、电子设备及存储介质是由陈恩红;徐童;骆文辉;承孝敏;徐徐;刘玉柱;陈剑;黄庚设计研发完成，并于2023-09-26向国家知识产权局提交的专利申请。

本一种用于智能决策的知识图谱构建方法、装置、电子设备及存储介质在说明书摘要公布了：本发明公开了一种用于智能决策的知识图谱构建方法、装置、电子设备及存储介质，属于工业智能技术领域。本发明的知识图谱构建方法，该方法包括：输入文本数据，采用融合分词特征的BERT‑BiLSTM‑CRF实体识别模型，获取输入文本的序列标签；采用R‑BertTransformer实体关系抽取模型对领域文本事件关系进行抽取；使用序列标注模型BERT‑BiLSTM‑CRF对事件触发词进行抽取，随后采用基于规则的方法抽取事件核心词，最后采用基于规则的方法抽取文本数值知识；基于深度学习的事件关系抽取模型抽取事件之间的事理关系。采用本发明的知识图谱构建方法，事件抽取准确率可达80％以上，事理关系识别精度F1值最高可达0.75，满足实际应用需求。

本发明授权一种用于智能决策的知识图谱构建方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种用于智能决策的知识图谱构建方法，其特征在于，该方法包括： 步骤一、实体识别 输入文本数据，采用融合分词特征的BERT-BiLSTM-CRF实体识别模型，在基于字符方法的基础上融合中文分词特征，获取输入文本的序列标签，即命名实体类型； 步骤二、实体关系抽取 采用R-BertTransformer实体关系抽取模型对领域文本事件关系进行抽取； 步骤三、事件抽取 使用序列标注模型BERT-BiLSTM-CRF对事件触发词进行抽取，随后采用基于规则的方法抽取事件核心词，最后采用基于规则的方法抽取文本数值知识； 步骤四、事理关系抽取 基于深度学习的事件关系抽取模型抽取事件之间的事理关系；所述事件关系抽取模型，具体为： 1输入层 模型输入包括：文本序列、两事件要素的位置信息和文本序列段落信息；事件要素位置信息中事件核心词位置用1标记，事件触发词位置用2标记，其他位置使用0标记；文本数量知识核心词位置用1标记，数量信息描述词用2标记，其他位置使用0标记；使用one-hot编码文本段落信息，具体为[1,0,0]表示文本取自同一段落，[0,1,0]表示文本取自上下级段落，[0,0,1]表示文本取自两个同级段落； 2信息嵌入层 输入文本序列的字符嵌入信息使用步骤三中的BERT模型获取，文本信息嵌入用SeqEmbeds表示；根据输入的两实体位置信息Event1Mask和Event2Mask分别计算两事件要素的嵌入信息，由SeqEmbeds中事件要素或者数量知识要素对应的向量均值表示，均值向量经过全连接层和激活函数获得事件要素的嵌入向量，事件要素嵌入向量与SeqEmbeds拼接后作为新的输入序列SeqEmbeds；使用BERT位置编码方法将输入序列中每个位置的信息编码成向量，并与SeqEmbeds拼接作为本层输出； 3TransformerEncoder层 输入序列被输入到多个相同结构的Encoder中；由多个自注意力层和前馈神经网络堆叠组成Encoder，在输入序列的全局位置信息上进行并行计算；在每个自注意力层中，模型会根据输入的序列计算一个注意力矩阵，然后将其与输入序列进行加权平均得到编码器的输出，提取更高级别的文本序列向量表征； 4输出层 将输入层one-hot形式的段落信息转化为嵌入向量形式与Transformer层输出的句子向量表征进行拼接，然后将拼接结果输入到全连接层，激活函数使用softmax；交叉熵损失函数作为训练阶段损失函数，预测阶段则使用argmax函数预测最终类别。

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长三角信息智能创新研究院，其通讯地址为：241000 安徽省芜湖市弋江区科技产业园5号楼；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。