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！

龙图腾网恭喜中国科学院信息工程研究所申请的专利一种文档的篇章级事件论元抽取方法、系统及介质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：CN117909438B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202410024769.0，技术领域涉及：G06F16/31；该发明授权一种文档的篇章级事件论元抽取方法、系统及介质是由曹亚男;任昱冰;尹鹏飞;刘燕兵设计研发完成，并于2024-01-08向国家知识产权局提交的专利申请。

本一种文档的篇章级事件论元抽取方法、系统及介质在说明书摘要公布了：本发明公开了一种文档的篇章级事件论元抽取方法、系统及介质，属于文本信息抽取领域，针对上下文一致性检索、模式一致性检索和自适应混合检索这三种检索方式，通过构建基于T5模型的检索增强生成模型，执行对应的检索增强策略，可以回忆起有助于演示模型应该如何解决任务的样例。其中，本发通过自适应混合检索增强范式来生成参考向量作为深度线索，能够提高模型的类比能力。

本发明授权一种文档的篇章级事件论元抽取方法、系统及介质在权利要求书中公布了：1.一种文档的篇章级事件论元抽取方法，其特征在于，包括以下步骤：1基于T5模型构建检索增强生成模型，包括编码器和解码器；该检索增强生成模型是以目标文档的上下文及其事件模式的连接作为输入序列，通过编解码操作，生成目标序列；2对于上下文一致性检索，执行的步骤包括：对于目标文档，从训练语料库中检索出与目标文档最相关的样例文档，作为离散样例；将上述离散样例输入到编码器中，生成离散样例嵌入；将基于目标文档构造的输入序列输入到编码器中，将该编码器的输出与上述离散样例嵌入进行连接，输入到解码器中，生成目标序列及其概率；3对于模式一致性检索，执行的步骤包括：以输入的事件标签作为查询，检索出与输入标签相关的样例标签；将上述样例标签输入到编码器中，生成样例标签嵌入；将基于目标文档构造的输入序列输入到编码器中，将该编码器的输出与上述样例标签嵌入进行连接，输入到解码器中，生成目标序列及其概率；4对于自适应混合检索，执行的步骤包括：对于目标文档，从训练语料库中检索出与目标文档最相关的k个样例文档，作为k个离散样例；将该k个离散样例输入到编码器中，生成k个离散样例嵌入；基于该k个离散样例嵌入，在连续空间中定义k个事件语义区域；在该k个事件语义区域中进行高斯采样，生成了k个伪样例；将基于目标文档构造的输入序列输入到编码器中，将该编码器的输出与上述k个伪样例进行连接，输入到解码器中，生成目标序列及其概率；其中，步骤2和3中编码器的输出与离散样例嵌入或样例标签嵌入进行连接表示为[hd；he；hx]，步骤4中编码器的输出与k个伪样例进行连接表示为[v；he；hx]，其中，he，hx＝T5-Encoder[e；x]，hd＝T5-Encoderd其中，T5表示T5模型，Encoder表示编码器，e表示事件模板，x表示输入序列，d表示样例文档或样例标签，v表示k个伪样例，he表示事件模板的嵌入表示向量，hx表示输入序列的嵌入表示向量；步骤4中高斯采样的步骤包括：计算偏差向量b＝hx-he，使用缩放向量ωi将偏差向量b转化为ωi⊙b，其中⊙表示逐元素乘积操作；构建伪样例vi＝he+ωi⊙b；假设ωi服从高斯分布，使用重建参数化方法重建高斯分布，使采样过程可导，生成采样样本；步骤4中假设ωi服从高斯分布如下： 其中，diag表示将向量标准化为对角矩阵，用于归一化b中每个维度的重要性，|·|表示对向量中的每个元素取绝对值，ri＝||hx-hdi||，R＝||hx-he||；步骤4中使用重建参数化方法重建高斯分布的步骤包括：从标准正态分布中采样一个噪声变量ε；将形式化为ωi＝μ+ε·σ，其中，

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中国科学院信息工程研究所，其通讯地址为：100085 北京市海淀区树村路19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”。