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！

龍圖騰網恭喜哈爾濱理工大學申請的專利卷積塊注意力模塊嵌入Regnety網絡的詞義消歧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：CN115048939B 。

龍圖騰網通過國家知識產權局官網在2025-05-13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：202210720884.2，技術領域涉及：G06F40/30；該發明授權卷積塊注意力模塊嵌入Regnety網絡的詞義消歧是由張春祥;邵雅麗;高雪瑤設計研發完成，并于2022-06-23向國家知識產權局提交的專利申請。

本卷積塊注意力模塊嵌入Regnety網絡的詞義消歧在說明書摘要公布了：本發明涉及一種卷積塊注意力模塊ConvolutionalBlockAttentionModule，CBAM嵌入Regnety網絡的詞義消歧方法。本發明對SemEval?2007:Task#5的訓練語料和測試語料進行分詞、詞性標注、拼音首字母標注、聲調標注和語義類標注。選取歧義詞左右具有名詞、動詞、形容詞、數詞、量詞和代詞詞性的鄰接詞匯單元的詞形、詞性、語義類、拼音首字母和聲調作為消歧特征。利用Word2Vec工具對消歧特征進行向量化處理，得到訓練數據和測試數據；將CBAM嵌入Regnety之中，獲得詞義消歧模型CBAMRegnety。利用訓練數據對CBAMRegnety進行訓練，得到優化后的CBAMRegnety。在優化后的CBAMRegnety上，對測試數據進行消歧，得到歧義詞匯在每個語義類別下的權重。權重最大的語義類別即為歧義詞匯的語義類別。本發明對歧義詞匯實現了很好的消歧，更準確地判斷歧義詞匯的真實含義。

本發明授權卷積塊注意力模塊嵌入Regnety網絡的詞義消歧在權利要求書中公布了：1.基于CBAM嵌入Regnety網絡的詞義消歧方法，歧義詞匯m具有n個語義類別s1,s2,…,sn，該方法包括以下步驟：步驟1：對SemEval-2007:Task#5的訓練語料和測試語料進行分詞、詞性標注、拼音首字母標注、聲調標注和語義類標注處理，選取歧義詞m左右具有名詞、動詞、形容詞、數詞、量詞和代詞詞性的鄰接詞匯單元的詞形、詞性、語義類、拼音首字母和聲調作為消歧特征；步驟2：利用Word2Vec工具對從SemEval-2007:Task#5的訓練語料中抽取的消歧特征進行向量化處理，得到訓練數據，利用Word2Vec工具對從SemEval-2007:Task#5的測試語料中抽取的消歧特征進行向量化處理，得到測試數據；步驟3：訓練包括前向傳播和反向傳播兩個過程，利用訓練數據優化CBAMRegnety，得到優化后的CBAMRegnety，具體步驟為：步驟3-1把訓練數據輸入到初始化的CBAMRegnety中；步驟3-2經過卷積層1，提取特征X1；步驟3-3經過通道注意力卷積層，提取特征X2，所述的通道注意力卷積層包括通道注意力模塊SE和卷積層2；步驟3-4經過卷積塊注意力卷積層，提取特征X3，所述的卷積塊注意力卷積層包括卷積塊注意力模塊CBAM和卷積層3，CBAM的輸出計算過程如下： 其中，σ是sigmoid函數，MLP是兩層神經網絡，AvgPoolX2表示對X2做平均池化操作，MaxPoolX2表示對X2做最大池化操作，M_c*X2為將M_c和輸入特征X2做乘法操作，CBAM的輸出為M_s*M_c*X2；步驟3-5經過自適應平均池化層，計算歧義詞匯m在語義類別si下的權重wsi|m，i＝1,2,...,n；步驟3-6利用交叉熵損失函數來計算誤差loss，所述誤差loss的計算過程如下所示： 其中，loss表示訓練數據的平均誤差，n是訓練數據的個數，yk是第k個訓練數據的標簽；步驟3-7根據誤差loss反向傳播，逐層更新參數，參數更新過程如下： 其中，θ表示參數集，θ'表示更新后的參數集，a為學習率；步驟3-8不斷迭代步驟3-1至步驟3-7，直到達到規定的循環次數為止，得到優化后的CBAMRegnety；步驟4：測試過程為前向傳播過程，即語義分類過程；在優化后的CBAMRegnety上，輸入測試數據，計算歧義詞匯m在每個語義類別下的權重，其中，權重最大的語義類別即為歧義詞匯的語義類別。

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哈爾濱理工大學，其通訊地址為：150080 黑龍江省哈爾濱市南崗區學府路52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”。