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！

龍圖騰網恭喜首都師范大學;廈門大學申請的專利基于超圖卷積神經網絡的文檔級實體關系抽取方法及裝置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：CN114118088B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202111241687.4，技術領域涉及：G06F40/295；該發明授權基于超圖卷積神經網絡的文檔級實體關系抽取方法及裝置是由劉杰;華浩宇;金泰松設計研發完成，并于2021-10-25向國家知識產權局提交的專利申請。

本基于超圖卷積神經網絡的文檔級實體關系抽取方法及裝置在說明書摘要公布了：本發明涉及一種基于超圖卷積神經網絡的文檔級實體關系抽取方法及裝置，所述方法包括：針對三元組，采用HG?GCNN模型，獲取三元組所對應的超圖結構；針對超圖結構，獲取文檔t中每個單詞在待預測關系的實體對中分別每個實體下的單詞的向量；基于文檔中每個單詞在待預測關系的實體對中分別每個實體下的單詞的向量，獲取第一實體e1和第二實體e2的實體關系；HG?GCNN模型為預先建立并訓練的包括有節點信息構造層、超圖構造層、GCNN編碼層、推理判斷層的模型；節點信息構造層、超圖構造層執行獲取超圖結構的過程，GCNN編碼層執行獲取文檔中每個單詞在每個實體下的單詞的向量的過程，推理判斷層執行獲取預測結果的過程。

本發明授權基于超圖卷積神經網絡的文檔級實體關系抽取方法及裝置在權利要求書中公布了：1.一種基于超圖卷積神經網絡的文檔級實體關系抽取方法，其特征在于，包括：S1、針對三元組，采用HG-GCNN模型，獲取所述三元組所對應的超圖結構；其中，所述三元組中包括：文檔t；所述文檔t中待預測關系的第一實體e1和第二實體e2；其中文檔t中包括n個單詞；所述n個單詞中至少有2個實體；S2、針對所述超圖結構，獲取文檔t中每個單詞在所述待預測關系的實體對中分別每個實體下的單詞的向量；S3、基于文檔中每個單詞在所述待預測關系的實體對中分別每個實體下的單詞的向量，獲取所述第一實體e1和第二實體e2的實體關系；其中，所述HG-GCNN模型為預先建立并訓練的包括有節點信息構造層、超圖構造層、GCNN編碼層、推理判斷層的模型；所述節點信息構造層、超圖構造層執行獲取超圖結構的過程，所述GCNN編碼層執行獲取文檔中每個單詞在每個實體下的單詞的向量的過程，所述推理判斷層執行獲取預測結果的過程；S1具體包括：所述HG-GCNN模型的節點信息構造層，針對三元組中文檔t中每一個段落中單詞分別距離第一實體e1和第二實體e2的距離，獲取圖結構的節點信息；所述HG-GCNN模型的超圖構造層，針對文檔t采用預先設定的構圖策略構建超圖結構；所述HG-GCNN模型的超圖構造層，采用預先設定的構圖策略構建超圖結構，具體包括：所述超圖結構，包括：語法邊、引用邊、鄰詞邊、鄰句邊、自反邊；所述語法邊為：文檔t中的每一個句子中任一單詞和其有語法關聯關系的單詞所連接的超邊；所述引用邊為：文檔t中的實體和其相應的引用構造的一組超邊；所述鄰詞邊為：文檔t中的每一個句子，句中單詞所構造的超邊；所述鄰句邊為：文檔t中的每一段落，段落中的所有的實體構造的一組超邊；所述自反邊為：文檔t中的每一單詞，關聯自身的超邊；其中，所述超圖結構中，任一超邊和與所述超邊具有關聯關系的單詞之間的關系值設置為1，任一超邊和與所述超邊沒有關聯關系的單詞之間的關系值設置為0。

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首都師范大學;廈門大學，其通訊地址為：100083 北京市海淀區西三環北路105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”。