買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江工業(yè)大學(xué)申請的專利一種用于工業(yè)知識圖譜構(gòu)建的復(fù)雜語義關(guān)系抽取方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119558325B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-27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)的專利申請?zhí)?專利號為：202510115274.3，技術(shù)領(lǐng)域涉及：G06F40/30；該發(fā)明授權(quán)一種用于工業(yè)知識圖譜構(gòu)建的復(fù)雜語義關(guān)系抽取方法是由黃玉嬌;鄭滋輝;楊旭華設(shè)計(jì)研發(fā)完成，并于2025-01-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種用于工業(yè)知識圖譜構(gòu)建的復(fù)雜語義關(guān)系抽取方法在說明書摘要公布了：一種用于工業(yè)知識圖譜構(gòu)建的復(fù)雜語義關(guān)系抽取方法，屬于自然語言處理技術(shù)領(lǐng)域，所述方法包括以下步驟：步驟1、結(jié)合工業(yè)文本數(shù)據(jù)上下文構(gòu)建動(dòng)態(tài)提示獲得工業(yè)實(shí)體間關(guān)系表征；步驟2、采用對比學(xué)習(xí)增強(qiáng)關(guān)系存儲隊(duì)列中關(guān)系特征的類內(nèi)聚合和類間分離；步驟3、動(dòng)態(tài)優(yōu)化訓(xùn)練過程，用收斂后的模型推理工業(yè)知識圖譜中工業(yè)實(shí)體間的關(guān)系。本發(fā)明考慮了工業(yè)文本數(shù)據(jù)上下文的語義以及實(shí)體標(biāo)注集中實(shí)體類型信息，并利用關(guān)系存儲隊(duì)列對不同語義關(guān)系進(jìn)行類內(nèi)聚合和類間分離，關(guān)系抽取準(zhǔn)確性高，知識圖譜構(gòu)建性能好。

本發(fā)明授權(quán)一種用于工業(yè)知識圖譜構(gòu)建的復(fù)雜語義關(guān)系抽取方法在權(quán)利要求書中公布了：1.一種用于工業(yè)知識圖譜構(gòu)建的復(fù)雜語義關(guān)系抽取方法，其特征在于，所述方法包括以下步驟：步驟1、結(jié)合工業(yè)文本數(shù)據(jù)上下文構(gòu)建動(dòng)態(tài)提示獲得工業(yè)實(shí)體間關(guān)系表征；步驟2、采用對比學(xué)習(xí)增強(qiáng)關(guān)系存儲隊(duì)列中關(guān)系特征的類內(nèi)聚合和類間分離；步驟3、動(dòng)態(tài)優(yōu)化訓(xùn)練過程，用收斂后的模型推理工業(yè)知識圖譜中工業(yè)實(shí)體間的關(guān)系；所述步驟1中，結(jié)合工業(yè)文本數(shù)據(jù)上下文構(gòu)建動(dòng)態(tài)提示獲得工業(yè)實(shí)體間關(guān)系表征的處理過程包括以下步驟：步驟11、引入工業(yè)領(lǐng)域?qū)I(yè)詞匯作為實(shí)體標(biāo)注集E，分析E中設(shè)備名稱、故障類型、工藝流程實(shí)體類型，構(gòu)建實(shí)體類型集合H，利用工業(yè)領(lǐng)域知識的強(qiáng)關(guān)聯(lián)性和時(shí)序性特點(diǎn)對集合E進(jìn)行增強(qiáng)；根據(jù)工業(yè)實(shí)體集E，利用規(guī)則識別給定工業(yè)領(lǐng)域文本數(shù)據(jù)中頭、尾工業(yè)實(shí)體，構(gòu)建動(dòng)態(tài)提示Γ＝[T1][E1][MASK][T2][E2]，其中E1、E2代表已識別工業(yè)實(shí)體，T1、T2為所對應(yīng)工業(yè)實(shí)體的偽類型，由集合H初始化，[MASK]為工業(yè)實(shí)體在工業(yè)文本數(shù)據(jù)上下文中可能存在的復(fù)雜語義關(guān)系；步驟12、將動(dòng)態(tài)提示Γ與工業(yè)領(lǐng)域文本數(shù)據(jù)Xi＝x1,x2,x3,...,xn，i∈N合并，N為每個(gè)batch中樣本數(shù)量，然后通過嵌入層逐詞映射為詞向量序列，統(tǒng)一序列長度為L，若映射序列長度小于L，則末尾補(bǔ)0填充；序列長度大于L，則直接截?cái)嗄┪驳娜哂嘧址?，通過編碼器得到輸入序列的編碼表示χi＝e1,e2,e3,...,en，在χi中添加絕對位置編碼POS， 其中，dmodel等于嵌入層的維度；步驟13，選擇隱藏層為M的用于工業(yè)領(lǐng)域的深度學(xué)習(xí)模型，選擇第2層到第M-1層的[MASK]嵌入構(gòu)建工業(yè)實(shí)體關(guān)系矩陣χknow 步驟14、計(jì)算工業(yè)實(shí)體關(guān)系矩陣χknow的tanh，ui＝tanhχknow；步驟15、計(jì)算ui和工業(yè)領(lǐng)域文本數(shù)據(jù)的上下文表征wu之間的相似度， αi為模型每個(gè)特征層預(yù)測的工業(yè)實(shí)體關(guān)系表征相較于工業(yè)領(lǐng)域文本數(shù)據(jù)的重要性度量，使用αi作為χknow上的全局加權(quán)求和生成最終工業(yè)實(shí)體之間的關(guān)系表征χi， 所述步驟2中，采用對比學(xué)習(xí)增強(qiáng)關(guān)系存儲隊(duì)列中關(guān)系特征的類內(nèi)聚合和類間分離的處理過程包括以下步驟：步驟21、為少量人工標(biāo)注和無標(biāo)注的工業(yè)領(lǐng)域文本數(shù)據(jù)集構(gòu)建實(shí)例級對比損失， 其中，通過規(guī)則和工業(yè)實(shí)體標(biāo)注集E識別業(yè)實(shí)體對與模型預(yù)測的關(guān)系表征χi構(gòu)成正樣本對從當(dāng)前工業(yè)文本數(shù)據(jù)中選擇兩個(gè)不同的任意跨度片段作為偽實(shí)體E1i′、E2i′，其中，對少量人工標(biāo)注的工業(yè)領(lǐng)域文本數(shù)據(jù)集，選擇真實(shí)已標(biāo)注關(guān)系標(biāo)簽；對無標(biāo)注工業(yè)文本數(shù)據(jù)集，選擇其所在關(guān)系簇的中心表征Ri構(gòu)成負(fù)樣本對步驟22、基于χi計(jì)算工業(yè)實(shí)體之間可能存在的關(guān)系的概率分布，pi＝WTReLUχi+b；其中，W是分類權(quán)重，b為偏置參數(shù)；步驟23、計(jì)算工業(yè)實(shí)體在工業(yè)數(shù)據(jù)上下文中關(guān)系類別為，yi＝argmaxpi；步驟24、為標(biāo)注工業(yè)領(lǐng)域文本數(shù)據(jù)集構(gòu)建分類交叉熵?fù)p失， 步驟25、為無標(biāo)注工業(yè)文本數(shù)據(jù)構(gòu)建關(guān)系隊(duì)列集合R＝{R1,R2,...,Ro}，o表示未標(biāo)注類別的個(gè)數(shù)，隊(duì)列Ri的大小為b·N，其中b為batchsize，對于偽隊(duì)列標(biāo)簽為的正樣本關(guān)系表示對比集合為步驟26、計(jì)算工業(yè)文本數(shù)據(jù)與各關(guān)系隊(duì)列的簇中心語義相似度，最小化基于關(guān)系隊(duì)列語義相似度和基于分類權(quán)重參數(shù)計(jì)算的分類概率pi之間的交叉熵LCO， 其中，τ為溫度系數(shù)，之后在每一輪次訓(xùn)練后，用最大似然估計(jì)更新迭代周期中的工業(yè)文本數(shù)據(jù)中工業(yè)實(shí)體關(guān)系所在的隊(duì)列標(biāo)簽 在每次反向傳播結(jié)束后，將添加到

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)潮王路18號；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)”。