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！

龍圖騰網恭喜國網山西省電力公司晉城供電公司申請的專利基于深度學習算法的電力設備三元組構建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：CN113987211B 。

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：202111349722.4，技術領域涉及：G06F16/36；該發明授權基于深度學習算法的電力設備三元組構建方法是由陳文剛;宰洪濤;張秀麗;張軻;許泳濤;羅滇生;何洪英;尹希浩;奚瑞瑤;符芳育;方杰;羅廣唯設計研發完成，并于2021-11-15向國家知識產權局提交的專利申請。

本基于深度學習算法的電力設備三元組構建方法在說明書摘要公布了：本發明涉及人工智能領域。公開了一種基于深度學習算法的電力設備三元組構建方法，本發明提出的基于深度學習算法的電力設備三元組構建方法，提供了一種更加完善的電力設備知識圖譜三元組抽取方案，即以自頂向下的構建方式構建模式層，并在所述模式層的指導下，采用自底向上的方式構建數據層；本方案清晰體現了電力設備文本的特點，能夠完善電力設備三元組的設計方案，進而提高電力設備三元組的提取效率和準確率；本發明還提出了一種包括雙向循環網絡、膨脹門卷積神經網絡和自注意力模型的實體關系抽取模型；該模型基于自底向上構建的數據層構建，采用概率圖的思想來抽取電力設備三元組，進一步提高了電力設備三元組抽取的效率和準確率。

本發明授權基于深度學習算法的電力設備三元組構建方法在權利要求書中公布了：1.一種基于深度學習算法的電力設備三元組構建方法，其特征在于，包括：基于數據流編程構建的三元組提取模型：以自頂向下的構建方式構建模式層，并在所述模式層的指導下，采用自底向上的方式構建數據層，其中，所述模式層是知識抽取的知識組織架構，是對實體、實體間關系以及屬性進行描述的數據模型，所述數據層包括命名實體抽取模型和實體關系抽取模型，針對待抽取文本的特點設計合適的抽取方法，進行實體、關系和屬性3個知識要素的抽取，形成一系列高質量的事實表達，然后映射到模式層；利用所述命名實體抽取模型對待抽取文本進行電力設備命名實體識別，以實現電力設備命名實體抽取，并進行標注以得到標注實體；基于所述標注實體，通過所述實體關系抽取模型對所述待抽取文本進行電力設備實體關系抽取，以提取電力設備三元組，其中，所述實體關系抽取模型包括雙向循環網絡、膨脹門卷積神經網絡和自注意力模型；所述基于所述標注實體，通過所述實體關系抽取模型對所述待抽取文本進行電力設備實體關系抽取，以提取電力設備三元組，包括：將所述命名實體抽取模型標注的實體作為所述實體關系抽取模型的一個輸入，以得到第一結果，將待抽取文本重新訓練得到的特征向量作為所述實體關系抽取模型另一個輸入，以得到第二結果，將所述第一結果和所述第二結果拼接，并傳入卷積神經網絡，以提取到電力設備三元組；所述通過所述命名實體抽取模型對待抽取文本進行電力設備命名實體識別，以實現電力設備命名實體抽取，并進行標注以得到標注實體，包括：構建電力領域詞庫；獲取訓練集文本序列；基于所述訓練集文本序列通過word2vec模型計算得到所述電力領域詞庫中各個詞的空間向量，所述訓練集文本序列通過字Embedding層計算得到字向量；通過字詞混合Embedding方法得到所述字詞混合Embedding向量序列編碼；加上一個與字向量序列維度相同的PositionEmbedding向量，以使得所述編碼出的向量序列的位置信息更加明顯；將所述向量序列編碼輸入到膨脹率依次為1，2，5，1，2，5，1，2，5，1，1，1的12層膨脹門卷積神經網絡中進行學習，以輸出得到第一序列；將所述第一序列傳入一層自注意力層中得到第二序列；將所述第二序列傳入全連接層輸出，用半指針半標注結構預測實體的首位置，以及實體的尾位置，以得到標注實體。

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國網山西省電力公司晉城供電公司，其通訊地址為：048026 山西省晉城市城區新市東街1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”。