买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广西师范大学申请的专利一种基于领域图谱感知的类案检索方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115409019B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211030073.6，技术领域涉及：G06F40/211；该发明授权一种基于领域图谱感知的类案检索方法是由朱俊霖;罗旭东;张鑫瑞设计研发完成，并于2022-08-26向国家知识产权局提交的专利申请。

本一种基于领域图谱感知的类案检索方法在说明书摘要公布了：本发明公开一种基于领域图谱感知的类案检索方法，通过实体感知操作在领域图谱中识别出所有的领域实体，并将领域实体之间丰富的关联信号和领域知识融入到源实体中。为了增强查询实体和候选实体的向量表示，利用多层级图神经网络来捕获领域图谱中的实体之间的联系。最后将每个实体的特征表示扩散到整个图，同时也将多级邻居节点的特征表示聚合到每个实体上，从而完成更加深入的信息交互，最终实现了以更高效率、更高精度完成法律场景下的相似案件检索。

本发明授权一种基于领域图谱感知的类案检索方法在权利要求书中公布了：1.一种基于领域图谱感知的类案检索方法，其特征在于，包括如下步骤：步骤1、将案件数据库中的候选案件按句子进行切分，利用TF-IDF计算每个句子与查询案件的相似度，并按照相似度从高到底进行排序，选取前K个句子组合成新的候选案件；然后分别抽取出查询案件与候选案件中的关键实体得到一组查询实体集和一组候选实体集；步骤2、将查询实体集和候选实体集中的每个实体与领域图谱中的实体进行匹配，得到每个实体所对应的所有相关的领域实体的三元组集合；步骤3、将实体的三元组集合中的每个实体三元组输入预训练语言模型BERT得到对应的三元组向量表示；然后，利用聚合操作，将实体所匹配到的所有关联实体、关系特征聚合到该实体上得到一个初始向量表示； 步骤4、通过点积操作计算查询实体和候选实体的节点特征矩阵，然后对节点特征矩阵进行归一化，并使用归一化后的矩阵来构建一个图神经网络进行训练； 步骤5、构造图神经网络所需要的邻接矩阵，该矩阵描述了节点之间的关系；具体而言，利用了领域图谱的连接关系来作为图神经网络中的实体之间的连接关系； 步骤6、通过图神经网络学习查询实体和候选实体的向量表示，并捕获领域图谱中的实体之间的联系；此外，为了缓解图神经网络在传播信号的过程中出现的梯度爆炸和梯度消失的问题，需要将邻接矩阵进行归一化； Di,i＝ΣjAi,j，图神经网络在经过多层级传播之后将一个实体的特征表示扩散到整个图，同时也能将邻居节点的特征表示聚合到自身上，从而更加深入的完成信息交互； 步骤7、在得到全图节点的特征表示之后，聚合所有节点的特征表示并通过线性层来计算最终的相似度得分； 上述式中，pi表示实体集中的第i个实体，l∈{q,c}表示案件的类别，q是查询案件，c是候选案件，和分别表示三元组中的头实体、关系和尾实体的向量表示，表示实体集中的实体pi对应的初始向量表示，n表示查询实体集或候选实体集中实体pi与领域图谱所匹配到的三元组个数；N和M分别表示查询实体集和候选实体集中实体的个数；X*表示节点特征矩阵，用于图神经网络的初始输入向量表示；是领域图谱，f·是一个匹配函数，若候选实体集中的实体pi和实体pj都属于则fpi,pj＝1，表示pi和pj之间有连接关系；表示归一化后的邻接矩阵，D是一个对角度矩阵，通过引入自身度矩阵来解决自传递问题；Zt表示经过t层图神经网络传播之后获得的全图节点的向量表示，t是一个自定义的超参数，σ是一个非线性激活函数，为ReLU·，Wt-1表示第t-1层的可学习的权重参数矩阵；Wo表示预测层神经网络的可学习的权重参数矩阵，bo表示预测层神经网络的偏置项；o表示查询案件和候选案件的相关程度，y表示预测层神经网络输出的每个类别分数，Y表示每个类别经过归一化后的最终预测分数；·表示点乘，⊙表示哈达玛积；上标T表示转置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广西师范大学，其通讯地址为：541004 广西壮族自治区桂林市七星区育才路15号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。