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！

龙图腾网恭喜哈尔滨理工大学申请的专利卷积块注意力模块嵌入Regnety网络的词义消歧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：CN115048939B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202210720884.2，技术领域涉及：G06F40/30；该发明授权卷积块注意力模块嵌入Regnety网络的词义消歧是由张春祥;邵雅丽;高雪瑶设计研发完成，并于2022-06-23向国家知识产权局提交的专利申请。

本卷积块注意力模块嵌入Regnety网络的词义消歧在说明书摘要公布了：本发明涉及一种卷积块注意力模块ConvolutionalBlockAttentionModule，CBAM嵌入Regnety网络的词义消歧方法。本发明对SemEval‑2007:Task#5的训练语料和测试语料进行分词、词性标注、拼音首字母标注、声调标注和语义类标注。选取歧义词左右具有名词、动词、形容词、数词、量词和代词词性的邻接词汇单元的词形、词性、语义类、拼音首字母和声调作为消歧特征。利用Word2Vec工具对消歧特征进行向量化处理，得到训练数据和测试数据；将CBAM嵌入Regnety之中，获得词义消歧模型CBAMRegnety。利用训练数据对CBAMRegnety进行训练，得到优化后的CBAMRegnety。在优化后的CBAMRegnety上，对测试数据进行消歧，得到歧义词汇在每个语义类别下的权重。权重最大的语义类别即为歧义词汇的语义类别。本发明对歧义词汇实现了很好的消歧，更准确地判断歧义词汇的真实含义。

本发明授权卷积块注意力模块嵌入Regnety网络的词义消歧在权利要求书中公布了：1.基于CBAM嵌入Regnety网络的词义消歧方法，歧义词汇m具有n个语义类别s1,s2,…,sn，该方法包括以下步骤：步骤1：对SemEval-2007:Task#5的训练语料和测试语料进行分词、词性标注、拼音首字母标注、声调标注和语义类标注处理，选取歧义词m左右具有名词、动词、形容词、数词、量词和代词词性的邻接词汇单元的词形、词性、语义类、拼音首字母和声调作为消歧特征；步骤2：利用Word2Vec工具对从SemEval-2007:Task#5的训练语料中抽取的消歧特征进行向量化处理，得到训练数据，利用Word2Vec工具对从SemEval-2007:Task#5的测试语料中抽取的消歧特征进行向量化处理，得到测试数据；步骤3：训练包括前向传播和反向传播两个过程，利用训练数据优化CBAMRegnety，得到优化后的CBAMRegnety，具体步骤为：步骤3-1把训练数据输入到初始化的CBAMRegnety中；步骤3-2经过卷积层1，提取特征X1；步骤3-3经过通道注意力卷积层，提取特征X2，所述的通道注意力卷积层包括通道注意力模块SE和卷积层2；步骤3-4经过卷积块注意力卷积层，提取特征X3，所述的卷积块注意力卷积层包括卷积块注意力模块CBAM和卷积层3，CBAM的输出计算过程如下： 其中，σ是sigmoid函数，MLP是两层神经网络，AvgPoolX2表示对X2做平均池化操作，MaxPoolX2表示对X2做最大池化操作，M_c*X2为将M_c和输入特征X2做乘法操作，CBAM的输出为M_s*M_c*X2；步骤3-5经过自适应平均池化层，计算歧义词汇m在语义类别si下的权重wsi|m，i＝1,2,...,n；步骤3-6利用交叉熵损失函数来计算误差loss，所述误差loss的计算过程如下所示： 其中，loss表示训练数据的平均误差，n是训练数据的个数，yk是第k个训练数据的标签；步骤3-7根据误差loss反向传播，逐层更新参数，参数更新过程如下： 其中，θ表示参数集，θ'表示更新后的参数集，a为学习率；步骤3-8不断迭代步骤3-1至步骤3-7，直到达到规定的循环次数为止，得到优化后的CBAMRegnety；步骤4：测试过程为前向传播过程，即语义分类过程；在优化后的CBAMRegnety上，输入测试数据，计算歧义词汇m在每个语义类别下的权重，其中，权重最大的语义类别即为歧义词汇的语义类别。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。