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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于多任务协同学习的去噪因果关系抽取方法及装置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：CN119272765B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202411522679.0，技术领域涉及：G06F40/284；该发明授权基于多任务协同学习的去噪因果关系抽取方法及装置是由陈皖玉;张一嘉;刘超凡;黄浩恩;张海燕设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于多任务协同学习的去噪因果关系抽取方法及装置在说明书摘要公布了：本发明公开了一种因果关系抽取方法，具体是涉及到一种基于多任务协同学习的去噪因果关系抽取方法及装置。所述方法包括：将待处理文本输入基于多任务协同学习的去噪因果关系抽取模型的任务共享层进行特征提取，得到提取结果；将所述提取结果输入所述基于多任务协同学习的去噪因果关系抽取模型的特定任务层进行词性标注任务、组块分析任务和因果抽取任务，分别得到所述词性标注任务对应的特征标签、所述组块分析任务对应的特征标签以及所述因果抽取任务对应的特征标签；其中，所述基于多任务协同学习的去噪因果关系抽取模型为所述词性标注任务、所述组块分析任务和所述因果抽取任务并行训练得到的。本发明可以提高因果关系抽取的准确率。

本发明授权基于多任务协同学习的去噪因果关系抽取方法及装置在权利要求书中公布了：1.一种基于多任务协同学习的去噪因果关系抽取方法，其特征是，包括： 将待处理文本输入基于多任务协同学习的去噪因果关系抽取模型的任务共享层进行特征提取，得到提取结果； 将所述提取结果输入所述基于多任务协同学习的去噪因果关系抽取模型的特定任务层进行词性标注任务、组块分析任务和因果抽取任务，分别得到所述词性标注任务对应的特征标签、所述组块分析任务对应的特征标签以及所述因果抽取任务对应的特征标签； 其中，所述基于多任务协同学习的去噪因果关系抽取模型为所述词性标注任务、所述组块分析任务和所述因果抽取任务并行训练得到的； 其中，所述基于多任务协同学习的去噪因果关系抽取模型包括： 词性标注任务子网，所述词性标注任务子网包括第一任务共享子层和第一特定任务子层，所述第一任务共享子层用于对所述待处理文本进行特征提取，得到第一提取结果，所述第一特定任务子层用于基于所述第一提取结果进行词性标注，得到所述词性标注任务对应的特征标签； 组块分析任务子网，所述组块分析任务子网包括第二任务共享子层和第二特定任务子层，所述第二任务共享子层用于对所述待处理文本进行特征提取，得到第二提取结果，所述第二特定任务子层用于基于所述第二提取结果进行组块分析，得到所述组块分析任务对应的特征标签； 因果关系抽取任务子网，所述因果关系抽取任务子网包括第三任务共享子层和第三特定任务子层，所述第三任务共享子层用于对所述待处理文本进行特征提取，得到第三提取结果，所述第三特定任务子层用于基于所述第三提取结果进行因果抽取，得到所述因果抽取任务对应的特征标签； 其中，所述任务共享层包括所述第一任务共享子层、所述第二任务共享子层和所述第三任务共享子层，所述特定任务层包括所述第一特定任务子层、所述第二特定任务子层和所述第三特定任务子层； 其中，所述第一任务共享子层包括依次连接的第一BERT语义抽取层和第一BiLSTM层，所述第二任务共享子层包括依次连接的第二BERT语义抽取层和第二BiLSTM层，所述第三任务共享子层包括依次连接的第三BERT语义抽取层和第三BiLSTM层； 其中，所述第一BERT语义抽取层、所述第二BERT语义抽取层和所述第三BERT语义抽取层的部分参数相同，所述第一BiLSTM层、所述第二BiLSTM层和所述第三BiLSTM层的部分参数相同； 其中，所述第一特定任务子层包括依次连接的第一特征转换层和第一标签预测层，所述第二特定任务子层包括依次连接的第二特征转换层和第二标签预测层，所述第三特定任务子层包括依次连接的第三特征转换层和第三标签预测层。

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人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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”。

以上内容由龙图腾AI智能生成。