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！

龍圖騰網恭喜浙江大學申請的專利一種基于類型注意力的神經零樣本細粒度實體分類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：CN112036170B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202010918084.2，技術領域涉及：G06F40/279；該發明授權一種基于類型注意力的神經零樣本細粒度實體分類方法是由莊越挺;湯斯亮;高明合;勒一凡;任彥昆;譚熾烈;蔣韜設計研發完成，并于2020-09-03向國家知識產權局提交的專利申請。

本一種基于類型注意力的神經零樣本細粒度實體分類方法在說明書摘要公布了：本發明公開了一種基于類型注意力的神經零樣本細粒度實體分類方法，具體為：基于目標實體文本中各單詞對應的單詞向量，計算目標實體文本表示向量；基于句子中目標實體文本兩側各單詞分別對應的語境單詞向量，獲取目標實體文本的基礎語境向量；基于目標實體文本中各實體對應的類型，構建實體類型向量；基于目標實體類型向量及基礎語境向量，計算兩側單詞分別對應的相關注意力值；基于相關注意力值及基礎語境向量，計算目標實體文本的相關語境向量；合并目標實體文本的實體表示向量和相關語境向量，獲取整個句子的表示向量，利用已創建的實體類型分類器模型，獲取目標實體文本屬于各給定類別的分值，并有效改善實體細粒度分類的效果。

本發明授權一種基于類型注意力的神經零樣本細粒度實體分類方法在權利要求書中公布了：1.一種基于類型注意力的神經零樣本細粒度實體分類方法，其特征在于，包括如下步驟：S1：基于目標實體文本中各單詞對應的單詞向量，計算所述目標實體文本的實體表示向量；S2：基于目標實體文本所在句子中目標實體文本兩側各單詞分別對應的語境單詞向量，獲取目標實體文本的基礎語境向量；S3：基于目標實體文本中各實體對應的類型，構建目標實體類型向量；S4：基于所述目標實體類型向量及基礎語境向量，計算目標實體文本兩側各單詞分別對應的注意力值，之后對注意力值進行歸一化處理，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語境向量，計算目標實體文本的相關語境向量；S6：合并所述目標實體文本的實體表示向量和相關語境向量，獲取整個句子的表示向量；基于該句子的表示向量，利用已創建的實體類型分類器模型，獲取目標實體文本屬于各給定類別的分值；所述S6中創建實體類型分類器模型的具體步驟如下：首先，根據下述公式合并所述目標實體文本的實體表示向量rm和相關語境向量rc,k，獲取整個句子的表示向量c′， 之后基于整個句子的表示向量c′，根據非線性層函數和排序函數建立初始分類器模型；以所述分類器模型所有維度的成對加權近似損失作為優化目標，利用給定訓練樣本訓練所述初始分類器模型，通過梯度下降法優化所述優化目標，獲取所述實體類型分類器模型；所述實體類型分類器模型的創建步驟如下：S61：將目標實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：將目標實體類型向量映射到向量空間 式中，t_v表示映射后的目標實體類型向量；A表示映射矩陣，用于把目標實體類型向量映射到確定維度的向量空間；S63：計算映射后的句子表示向量r和映射后的目標實體類型向量t_v的點積表示實體提及和上下文表示與實體類型表示的相似度，s＝r·t_v式中，s表示實體提及和上下文表示與實體類型表示的相似度，相似度越高表示該實體提及與該實體類型的匹配度越高；S64：以所述分類器模型的成對加權近似損失作為優化目標，利用給定訓練樣本訓練所述分類器模型，通過梯度下降優化所述優化目標，獲取所述實體類型分類器模型，具體如下： 式中，Jθ表示優化目標，t為一個給定實體提及m的正類別集合，為一個給定實體提及m的負類別集合；Y和分別是正類別集合和負類別集合；maxa,b表示a，b中取值較大的一個；x為任意中間變量。

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浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866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”。