買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜昆明理工大學申請的專利融入標簽信息的案情要素識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114764913B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210544080.1，技術領域涉及：G06F18/2415；該發明授權融入標簽信息的案情要素識別方法是由線巖團;張恒滔;賴華設計研發完成，并于2022-05-19向國家知識產權局提交的專利申請。

本融入標簽信息的案情要素識別方法在說明書摘要公布了：本發明涉及融入標簽信息的案情要素識別方法，屬于自然語言處理領域。本發明包括：預處理CAIL2019?SCM要素標注的關于民間借貸的裁判文書文本數據集；使用清洗過的裁判文書作為輸入；之后利用在民事裁判文書上預訓練的BERT對輸入編碼表示；進一步地利用CNN網絡對事實描述部分特征提取；將提取后的表示分別與屬性和標簽表示進行融合；隨后將合成的表示按照屬性依次對該屬性下的標簽進行識別，分類器計算獲得最終的標簽概率分布。實驗結果表明，該模型在CAIL2019?SCM數據集的要素標注數據上能夠更有效地將要素識別出來。

本發明授權融入標簽信息的案情要素識別方法在權利要求書中公布了：1.融入標簽信息的案情要素識別方法，其特征在于：所述方法的具體步驟如下：Step1、對數據集的標注要素數據進行預處理，通過構建的正則表達式提取出裁判文書中的事實和理由部分，同時對標注的標簽進行重名替換，并按照比例劃分數據集；Step2、通過在民事裁判文書上預訓練的BERT模型獲得裁判文書事實描述、要素屬性表示和要素標簽表示；利用CNN對裁判文書事實描述進行特征提取；利用本步驟中的上述兩步獲得輸入的編碼表示，包括要素屬性表示、要素標簽表示、裁判文書的事實描述的特征表示；Step3、將獲得的要素屬性表示、要素標簽表示分別與裁判文書的事實描述表示進行融合，最終按照要素屬性得到對該屬性下要素標簽不同關注度的特征向量；Step4、特征向量被送入不同屬性對應的分類器，經分類器計算得到每一個屬性下各標簽的概率作為輸出；所述Step3的具體步驟如下：Step3.1、基于多標簽文本分類的要素識別，通常直接利用文本編碼表示識別要素標簽，難以將標簽完整識別出來，將類別屬性的編碼表示的行向量分別與事實描述的特征表示向量融合，融合過程如下：1加權特征：將事實描述特征表示與類別屬性表示對位相加，通過公式10對兩者加權；h′＝αh+βha10上式表示兩種表示在詞向量維度d上以預先設置的權值α,β按比例進行相加；2特征轉化：將特征表示送入前饋神經網絡，進一步融合，利用這種方式將稀疏的特征整合，通過網絡參數學習來提升表示能力，其過程表示為公式11； Step3.2、Step3.1公式11中的Wl為參數矩陣，bl為偏置項，轉化后的特征表示記作將所有屬性與事實描述融合后的特征表示連接得到矩陣融合了屬性信息的表示分別與對應屬性下的標簽集合基于注意力機制加權，整個過程如下：1截取標簽集：經BERT編碼后的標簽矩陣包含了所有標簽的表示，根據屬性對應的標簽集長度從標簽矩陣上截取出m個子集矩陣，屬性ai，其對應的標簽集共包含li個標簽，則li個標簽向量表示構成了屬性ai的標簽矩陣2計算注意力得分：融合了屬性信息的表示與該屬性下的標簽集分別計算注意力分數，注意力得分顯性地展示了文本對不同交互對象的關注程度，基于軟注意力機制通過計算融合屬性的表示與各標簽向量之間的點積來計算注意力分布，計算過程如公式13-14所示； 3加權標簽信息：基于公式14得到的注意力分數對標簽集加權，得到最終的整合向量，如公式15所示；hoi＝∑αaiYai15 表示第i個屬性對應的標簽集與事實描述融合后的輸出，該整合向量融合了特定屬性的信息并對該屬性下的標簽給予了不同的關注度，用做分類器的輸入。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人昆明理工大學，其通訊地址為：650500 云南省昆明市呈貢區景明南路727號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。