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！

龙图腾网恭喜复旦大学申请的专利一种面向运维领域的配置命令知识抽取的框架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：CN114547250B 。

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：202210181458.6，技术领域涉及：G06N5/025；该发明授权一种面向运维领域的配置命令知识抽取的框架是由赵津;程俏;岳之昂;肖仰华设计研发完成，并于2022-02-25向国家知识产权局提交的专利申请。

本一种面向运维领域的配置命令知识抽取的框架在说明书摘要公布了：本发明公开了一种面向运维领域的配置命令知识抽取的框架，包括：知识模板构建模块，根据运维领域配置命令的业务需求，定义配置命令关系集合，并在用户手册中构造包含预定义关系的文本，将其泛化为知识描述模板；实体抽取模块，结合字符串的编辑距离，对配置命令实体进行模糊匹配，以抽取文本中的命令实体；关系分类模块，利用深度学习模型对文本的语义进行建模，通过习得文本中的配置命令关系来泛化规则；基于bootstrap的数据增强模块，利用槽位替换文本中提及的配置命令实体，将泛化后的文本视为高质量知识描述模板，并将高质量知识描述模板添加到模板库，当新产生的高质量知识描述模板少于阈值时，Bootstrap数据扩充和增强迭代收敛。

本发明授权一种面向运维领域的配置命令知识抽取的框架在权利要求书中公布了：1.一种面向运维领域的配置命令知识抽取的框架，其特征在于，包括：知识模板构建模块，根据运维领域配置命令的业务需求，定义配置命令关系集合，并在用户手册中构造包含预定义关系的文本，将其泛化为知识描述模板；实体抽取模块，结合字符串的编辑距离，对配置命令实体进行模糊匹配，以抽取所述文本中的命令实体；关系分类模块，利用深度学习模型对所述文本的语义进行建模，通过习得所述文本中的配置命令关系来泛化规则，从而挖掘更多表达类似关系的文本；基于bootstrap的数据增强模块，利用槽位替换所述文本中提及的所述配置命令实体，将泛化后的文本视为高质量知识描述模板，并将所述高质量知识描述模板添加到模板库，当新产生的所述高质量知识描述模板少于阈值时，Bootstrap数据扩充和增强迭代收敛，其中，所述关系分类模块包括基于预训练语言模型的编码器部、句法注意力部以及基于PULearning的分类部，所述句法注意力部用于使关系分类模型捕获句法层面的特征，首先对所述知识描述模板进行依存句法分析以构造句法注意力权重矩阵，并结合多头注意力机制获取句法增强后的文本向量，具体包括以下步骤：步骤1，初始化全零的注意力权重矩阵，利用依存句法分析计算每个tokenci的所有祖先节点集合pi，并更新权重矩阵，计算方式如下： 式中tokencj是tokenci的祖先节点；步骤2，利用多头注意力机制增强编码器的上下文语义向量： hsg＝Wo·Concat[A1·V1；…；Ai·Vi；…；AH·VH]式中，i，表示第i个头注意力模块，分别由多头注意力矩阵计算，表示Q,V分别表示查询Query和键Key,用于计算注意力权重A，Ai.j表示tokenci和tokenci之间的attentionscore，指导模型关注分数高token之间的信息，将句法树中存在直接依存关联token之间的原始权重保留，文本的语义表示hc+sg以加权融合策略结合编码的上下文表示与句法增强的上下文表示：hc+sg＝α·hcontext+1-a·hsg所述基于PULearning的分类部采用PUlearning中的nnPU损失函数优化模型参数：Jmnpu＝π·Epx|y＝1[lgx]+max{0,Epx[l-gx]-π·Epx|y＝1[l-gx]} 式中，π是类别先验概率，g是决策函数，用于输出最终预测为正样本y＝1的概率，l为损失函数。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。