買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué)申請(qǐng)的專(zhuān)利一種基于類(lèi)型注意力的神經(jīng)零樣本細(xì)粒度實(shí)體分類(lèi)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN112036170B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202010918084.2，技術(shù)領(lǐng)域涉及：G06F40/279；該發(fā)明授權(quán)一種基于類(lèi)型注意力的神經(jīng)零樣本細(xì)粒度實(shí)體分類(lèi)方法是由莊越挺;湯斯亮;高明合;勒一凡;任彥昆;譚熾烈;蔣韜設(shè)計(jì)研發(fā)完成，并于2020-09-03向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于類(lèi)型注意力的神經(jīng)零樣本細(xì)粒度實(shí)體分類(lèi)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于類(lèi)型注意力的神經(jīng)零樣本細(xì)粒度實(shí)體分類(lèi)方法，具體為：基于目標(biāo)實(shí)體文本中各單詞對(duì)應(yīng)的單詞向量，計(jì)算目標(biāo)實(shí)體文本表示向量；基于句子中目標(biāo)實(shí)體文本兩側(cè)各單詞分別對(duì)應(yīng)的語(yǔ)境單詞向量，獲取目標(biāo)實(shí)體文本的基礎(chǔ)語(yǔ)境向量；基于目標(biāo)實(shí)體文本中各實(shí)體對(duì)應(yīng)的類(lèi)型，構(gòu)建實(shí)體類(lèi)型向量；基于目標(biāo)實(shí)體類(lèi)型向量及基礎(chǔ)語(yǔ)境向量，計(jì)算兩側(cè)單詞分別對(duì)應(yīng)的相關(guān)注意力值；基于相關(guān)注意力值及基礎(chǔ)語(yǔ)境向量，計(jì)算目標(biāo)實(shí)體文本的相關(guān)語(yǔ)境向量；合并目標(biāo)實(shí)體文本的實(shí)體表示向量和相關(guān)語(yǔ)境向量，獲取整個(gè)句子的表示向量，利用已創(chuàng)建的實(shí)體類(lèi)型分類(lèi)器模型，獲取目標(biāo)實(shí)體文本屬于各給定類(lèi)別的分值，并有效改善實(shí)體細(xì)粒度分類(lèi)的效果。

本發(fā)明授權(quán)一種基于類(lèi)型注意力的神經(jīng)零樣本細(xì)粒度實(shí)體分類(lèi)方法在權(quán)利要求書(shū)中公布了：1.一種基于類(lèi)型注意力的神經(jīng)零樣本細(xì)粒度實(shí)體分類(lèi)方法，其特征在于，包括如下步驟：S1：基于目標(biāo)實(shí)體文本中各單詞對(duì)應(yīng)的單詞向量，計(jì)算所述目標(biāo)實(shí)體文本的實(shí)體表示向量；S2：基于目標(biāo)實(shí)體文本所在句子中目標(biāo)實(shí)體文本兩側(cè)各單詞分別對(duì)應(yīng)的語(yǔ)境單詞向量，獲取目標(biāo)實(shí)體文本的基礎(chǔ)語(yǔ)境向量；S3：基于目標(biāo)實(shí)體文本中各實(shí)體對(duì)應(yīng)的類(lèi)型，構(gòu)建目標(biāo)實(shí)體類(lèi)型向量；S4：基于所述目標(biāo)實(shí)體類(lèi)型向量及基礎(chǔ)語(yǔ)境向量，計(jì)算目標(biāo)實(shí)體文本兩側(cè)各單詞分別對(duì)應(yīng)的注意力值，之后對(duì)注意力值進(jìn)行歸一化處理，得到歸一化注意力值；S5：基于所述歸一化的注意力值及所述基礎(chǔ)語(yǔ)境向量，計(jì)算目標(biāo)實(shí)體文本的相關(guān)語(yǔ)境向量；S6：合并所述目標(biāo)實(shí)體文本的實(shí)體表示向量和相關(guān)語(yǔ)境向量，獲取整個(gè)句子的表示向量；基于該句子的表示向量，利用已創(chuàng)建的實(shí)體類(lèi)型分類(lèi)器模型，獲取目標(biāo)實(shí)體文本屬于各給定類(lèi)別的分值；所述S6中創(chuàng)建實(shí)體類(lèi)型分類(lèi)器模型的具體步驟如下：首先，根據(jù)下述公式合并所述目標(biāo)實(shí)體文本的實(shí)體表示向量rm和相關(guān)語(yǔ)境向量rc,k，獲取整個(gè)句子的表示向量c′， 之后基于整個(gè)句子的表示向量c′，根據(jù)非線性層函數(shù)和排序函數(shù)建立初始分類(lèi)器模型；以所述分類(lèi)器模型所有維度的成對(duì)加權(quán)近似損失作為優(yōu)化目標(biāo)，利用給定訓(xùn)練樣本訓(xùn)練所述初始分類(lèi)器模型，通過(guò)梯度下降法優(yōu)化所述優(yōu)化目標(biāo)，獲取所述實(shí)體類(lèi)型分類(lèi)器模型；所述實(shí)體類(lèi)型分類(lèi)器模型的創(chuàng)建步驟如下：S61：將目標(biāo)實(shí)體文本所在句子的表示向量c′映射到確定維度的向量空間r＝B·c′式中，r表示映射后的句子表示向量，D為向量空間的維度；B表示映射矩陣，用于把句子表示向量映射到確定維度的向量空間；S62：將目標(biāo)實(shí)體類(lèi)型向量映射到向量空間 式中，t_v表示映射后的目標(biāo)實(shí)體類(lèi)型向量；A表示映射矩陣，用于把目標(biāo)實(shí)體類(lèi)型向量映射到確定維度的向量空間；S63：計(jì)算映射后的句子表示向量r和映射后的目標(biāo)實(shí)體類(lèi)型向量t_v的點(diǎn)積表示實(shí)體提及和上下文表示與實(shí)體類(lèi)型表示的相似度，s＝r·t_v式中，s表示實(shí)體提及和上下文表示與實(shí)體類(lèi)型表示的相似度，相似度越高表示該實(shí)體提及與該實(shí)體類(lèi)型的匹配度越高；S64：以所述分類(lèi)器模型的成對(duì)加權(quán)近似損失作為優(yōu)化目標(biāo)，利用給定訓(xùn)練樣本訓(xùn)練所述分類(lèi)器模型，通過(guò)梯度下降優(yōu)化所述優(yōu)化目標(biāo)，獲取所述實(shí)體類(lèi)型分類(lèi)器模型，具體如下： 式中，Jθ表示優(yōu)化目標(biāo)，t為一個(gè)給定實(shí)體提及m的正類(lèi)別集合，為一個(gè)給定實(shí)體提及m的負(fù)類(lèi)別集合；Y和分別是正類(lèi)別集合和負(fù)類(lèi)別集合；maxa,b表示a，b中取值較大的一個(gè)；x為任意中間變量。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。