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！

龍圖騰網恭喜內蒙古農業大學申請的專利一種基于擴增存儲的圖卷積神經網絡的關鍵詞抽取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：CN114781354B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202210242295.8，技術領域涉及：G06F40/211；該發明授權一種基于擴增存儲的圖卷積神經網絡的關鍵詞抽取方法是由陳俊杰;高靜;謝聰嬌;史遠航設計研發完成，并于2022-03-11向國家知識產權局提交的專利申請。

本一種基于擴增存儲的圖卷積神經網絡的關鍵詞抽取方法在說明書摘要公布了：本申請公開了一種基于擴增存儲的圖卷積神經網絡的關鍵詞抽取方法，通過設置擴增存儲圖卷積神經網絡關鍵詞抽取模型提升多層圖卷積神經網絡的節點表示能力。對文本進行預處理以及對文本進行句法分析，將分析結果分別輸入到詞語嵌入層，得到文本圖結構信息和詞語節點的嵌入信息并輸入到擴增存儲的圖卷積神經網絡層，獲得相應的向量表示，將向量表示進行拼接后輸入到LSTM層，得到輸出向量，將向量表示和輸出向量傳送至輸出層進行拼接并輸出至目標層，獲得輸出類別。解決了現有的短文本關鍵詞抽取方法關鍵詞抽取性能較差，使用的圖卷積神經網絡隨著卷積層的提升降低了節點的表示能力的技術問題。

本發明授權一種基于擴增存儲的圖卷積神經網絡的關鍵詞抽取方法在權利要求書中公布了：1.一種基于擴增存儲的圖卷積神經網絡的關鍵詞抽取方法，其特征在于，包括：設置擴增存儲圖卷積神經網絡關鍵詞抽取模型，擴增存儲圖卷積神經網絡關鍵詞抽取模型包括詞語嵌入層、擴增存儲的圖卷積神經網絡層、LSTM層、輸出層、目標層和Bert層；對文本進行預處理，獲得所述文本的語義圖結構，對所述文本進行句法分析，并將分析結果分別輸入到所述詞語嵌入層；將經過所述詞語嵌入層后得到的文本圖結構信息和詞語節點的嵌入信息輸入到所述擴增存儲的圖卷積神經網絡層，獲得相應的向量表示，將所述向量表示進行拼接后輸入到所述LSTM層；將經過所述擴增存儲的圖卷積神經網絡層得到的所述向量表示和經過所述LSTM層得到的輸出向量傳送至所述輸出層進行拼接并輸出至所述目標層，獲得輸出類別；其中，對文本進行預處理，獲得所述文本的語義圖結構，對所述文本進行句法分析，并將分析結果分別輸入到所述詞語嵌入層，包括：對所述文本進行預處理，獲得所述文本的單詞集合和文本序列，對所述文本進行句法分析得到句法關系，將所述單詞集合中的詞語轉換成文本圖中的節點，根據所述句法關系得到所述文本序列內詞語之間的句法依賴關系，建立所述詞語之間的邊，將處理好的所述單詞集合和所述文本序列分別輸入所述詞語嵌入層；其中，將經過所述詞語嵌入層后得到的文本圖結構信息和詞語節點的嵌入信息輸入到所述擴增存儲的圖卷積神經網絡層，獲得相應的向量表示，將所述向量表示進行拼接后輸入到所述LSTM層，包括：單詞集合經過詞語嵌入層后得到文本圖節點的初始向量，文本序列經過詞語嵌入層后得到詞語的初始向量；將文本圖節點的初始向量和文本圖結構信息輸入到擴增存儲的圖卷積神經網絡層，為每個文本圖中的節點擴增額外的存儲結構，使得擴增存儲的圖卷積神經網絡層中的第l層的卷積網絡的t節點的更新方式為： 其中Nt表示t的鄰接節點的集合，Wl1、Ul1是參數矩陣，σ為非線性激活函數； Wl2、Ul2為參數矩陣；擴增存儲的圖卷積神經網絡層中的最后一層圖卷積神經網絡獲得文本圖節點的向量表示；將詞語的初始向量輸入到Bert層獲得單詞集合具有自注意力的向量表示；以最后一層圖卷積神經網絡獲得文本圖節點的向量表示為查詢表，獲得文本序列對應的向量表示，將文本序列對應的向量表示與單詞集合具有自注意力的向量表示進行拼接輸入到LSTM層中獲得輸出向量。

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內蒙古農業大學，其通訊地址為：010018 內蒙古自治區呼和浩特市賽罕區鄂爾多斯東街內蒙古農業大學新校區計算機學院；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”。