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！

龙图腾网获悉大连理工大学;沈阳顺义科技股份有限公司申请的专利基于语义分析和标签视觉特征扩展的实体识别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：CN121234933B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511797372.6，技术领域涉及：G06F40/295；该发明授权基于语义分析和标签视觉特征扩展的实体识别方法是由杜宪;王宇航;李英顺;郭占男;孙雪;曾祥桉设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本基于语义分析和标签视觉特征扩展的实体识别方法在说明书摘要公布了：本发明属于信息抽取技术领域，提供了一种基于语义分析和标签视觉特征扩展的实体识别方法，通过计算候选实体与文本全局语义的相似性和提取两者交互特征来隐式构建蕴含句子结构信息的嵌入表示来解决实体边界难以确定的问题，并系统性地将视觉特征引入实体识别任务，构建文本‑视觉跨模态的实体识别范式，以丰富嵌入表示的上下文语义信息。该实体识别方法结合了字符级、句子级以及视觉特征三重语义表示，既考虑了局部实体语义，又融入了全局上下文信息，还引入了视觉特征扩展了基于纯文本的嵌入表示的局限性。

本发明授权基于语义分析和标签视觉特征扩展的实体识别方法在权利要求书中公布了：1.一种基于语义分析和标签视觉特征扩展的实体识别方法，其特征在于，步骤如下： 步骤1：获取待处理文本数据集，指定待处理文本数据集的标签集，标签集是预定义实体类别的集合，该集合的元素为实体类别； 步骤2：利用预训练语言模型对待处理文本数据集中的每一条文本样本进行编码得到，再获取文本样本的字符级嵌入向量序列，其中表示文本样本中第个字符的嵌入向量，表示文本样本的字符数量，表示字符级嵌入向量维度； 步骤3：根据文本样本的字符级嵌入向量序列，构建该文本样本的基于跨度的候选实体嵌入表示；基于跨度的候选实体嵌入表示中每个候选实体嵌入向量表示以对应的字符为开始、对应的字符为结尾的候选实体的嵌入向量，候选实体的嵌入向量用嵌入向量和嵌入向量的语义平均来表示，；实体识别基于一个假设：文本样本的全局语义信息是由文本样本中每个实体的局部语义信息共同决定的；通过计算不同跨度的候选实体的嵌入向量对文本样本的全局语义的贡献度来辅助实体识别； 步骤4：蕴含文本样本的全局语义的句子级嵌入向量由将文本样本的字符级嵌入向量序列作为输入的Bi-LSTM模块输出的第一字符的隐藏状态和最后字符的隐藏状态的语义平均表示：；为Bi-LSTM模块输出的第一字符前向嵌入向量，为Bi-LSTM模块输出的第一字符反向嵌入向量，为Bi-LSTM模块输出的最后字符前向嵌入向量，为Bi-LSTM模块输出的最后字符反向嵌入向量； 步骤5：设计语义相似性模块； 步骤6：设计候选实体嵌入与文本样本句子级嵌入交互特征提取模块； 步骤7：设计候选实体类别预测模块； 步骤8：设计各模块损失函数，训练时，语义相似性模块的损失采用基于间隔的损失，其中，，，表示语义相似性模块输出的预测实体得分张量；表示正样本间隔阈值，表示负样本间隔阈值，表示正候选实体，表示负候选实体，用连续函数近似得到，为近似程度调节参数；候选实体嵌入与文本样本句子级嵌入交互特征提取模块的损失采用二分类交叉熵损失函数，，其中，当候选实体为真实实体时，候选实体不为真实实体时，，，，表示候选实体嵌入与文本样本句子级嵌入交互特征提取模块输出的预测实体得分，为卷积操作，为展平操作，为线性变换矩阵，为全连接层计算；表示第个候选实体，表示对张量逐元素进行归一化操作；表示张量堆叠操作；候选实体类别预测模块采用多分类交叉熵损失函数，，，，，表示第个标签，表示标签数量；候选实体嵌入表示；总损失，其中、、为损失权重，用于调节学习效果； 步骤9：预测时，语义相似性模块为与训练时损失函数保持一致，语义相似性模块的预测实体集合取得分大于的元素，候选实体嵌入与文本样本句子级嵌入交互特征提取模块的预测实体集合由正类得分大于负类得分的候选实体组成，候选实体类别预测模块的预测实体集合由预测类别标签为有效标签的候选实体组成，最终预测实体集合为三者的交集，即，之后将解码为标签集中预定义的实体类别。

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大连理工大学;沈阳顺义科技股份有限公司，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。