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！

龙图腾网获悉深圳大学申请的专利融合知识图谱嵌入的中文命名实体识别方法及相关设备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：CN115759099B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211458910.5，技术领域涉及：G06F40/295；该发明授权融合知识图谱嵌入的中文命名实体识别方法及相关设备是由蔡树彬;谢勋超;明仲设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本融合知识图谱嵌入的中文命名实体识别方法及相关设备在说明书摘要公布了：本发明公开了一种融合知识图谱嵌入的中文命名实体识别方法及相关设备，所述方法包括：在命名实体识别数据集上构建知识图谱，知识图谱用于表示命名实体识别数据集中单词和实体之间的关系；将命名实体识别任务和知识图谱嵌入任务组成多任务训练模型进行联合训练，基于信息融合模块提取命名实体识别任务和知识图谱嵌入任务之间的信息；在命名实体识别任务和知识图谱嵌入任务的嵌入层进行知识共享，将输入文本输入到所述信息融合模块，信息融合模块基于输入文本进行处理得到输入文本中的每个字符的向量表示。本发明通过知识图谱表示文本中单词与实体之间的对应关系，可以更好地对词级信息进行提取，获得更好的表示效果，提高了命名实体识别准确率。

本发明授权融合知识图谱嵌入的中文命名实体识别方法及相关设备在权利要求书中公布了：1.一种融合知识图谱嵌入的中文命名实体识别方法，其特征在于，所述融合知识图谱嵌入的中文命名实体识别方法包括： 在命名实体识别数据集上构建知识图谱，所述知识图谱用于表示所述命名实体识别数据集中单词和实体之间的关系； 将命名实体识别任务和知识图谱嵌入任务组成多任务训练模型进行联合训练，基于所述多任务训练模型中的信息融合模块提取所述命名实体识别任务和所述知识图谱嵌入任务之间的信息； 在所述命名实体识别任务和所述知识图谱嵌入任务的嵌入层进行知识共享，将输入文本输入到所述信息融合模块，所述信息融合模块基于所述输入文本进行处理得到所述输入文本中的每个字符的向量表示； 所述多任务训练模型使用双路径卷积神经网络模型进行知识嵌入任务，双路径包括第一路径Path1和第二路径Path2； 其中，第一路径Path1使用一维卷积来提取实体和关系之间的显式关系，第二路径Path2使用二维卷积来提取实体和关系之间的内在和隐含信息； 将基于所述命名实体识别数据集构建的知识图谱三元组定义为，和，其中，，和分别表示头实体、关系和尾实体； 对于第一路径Path1，连接输入和以获得向量，使用卷积核和卷积核在向量上得到，其中，表示卷积核的第一维的维度大小； ； ； ； 其中，表示第一维的维度大小；表示使用与拼接后的向量与卷积核进行卷积操作后得到的中间结果；表示所述知识图谱嵌入任务的第一路径得到的输出结果，表示对实体和关系之间的显式关系的提取结果； 对于第二路径Path2，将和变形为实体向量和关系向量，，其中，，和表示一维的与变形为二维形状后的维度大小； 分别构造一个实体卷积过滤器和一个关系卷积过滤器，对关系向量使用实体卷积过滤器，对实体向量使用关系卷积过滤器； ； ； 其中，表示对使用卷积核作用后得到的输出；表示对使用卷积核作用后得到的输出；、和分别表示卷积核的个数，高度和宽度，且； 将和进行拼接，用一个权重矩阵计算得到输出；其中，权重矩阵的维度为，用于保证和的维度一致； ； 其中，表示所述知识图谱嵌入任务的第二路径得到的输出结果，表示对实体和关系之间的隐式关系的提取结果；表示参数，计算如下： ； 将第一路径Path1得到的输出结果和第二路径Path2得到的输出结果相加，得到最终输出，并计算当前得分： ； ； 其中，表示得分，通过得分优化当前任务的模型参数。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区南海大道3688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。