申请/专利权人：上海计算机软件技术开发中心;上海软中智链数字科技有限公司

申请日：2024-01-08

公开（公告）日：2024-04-09

公开（公告）号：CN117852544A

主分类号：G06F40/295

分类号：G06F40/295;G06F40/289;G06F40/30;G06F16/33;G06F16/35;G06N3/0442;G06N3/049;G06N3/084;G06Q50/18

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及人工智能和自然语言处理领域，本发明公开了一种基于深度学习的区块链专利命名实体识别方法及系统，包括以下步骤：获取区块链跨链及智能合约专利的文本数据；制定分类标准，进行数据标注及预处理，根据单字分词的方式进行分词处理，获取分词向量；通过MacBERT层对分词序列进行特征提取，得到词向量序列；将词向量序列输入到双向BiLSTM层进一步提取文本位置信息，得到特征向量序列且具备“记忆”能力；全连接层将特征向量序列的语义特征降维；采用序列标注算法，并采用损失函数计算任务损失，反向传播训练模型；实时获取待识别区块链专利文本数据，采用训练好的模型得到识别结果。

主权项：1.一种基于深度学习的区块链专利命名实体识别方法，其特征在于，构建MBBC模型，MBBC模型包括嵌入特征MacBERT层、双向BiLSTM层、全连接层、条件约束层和输出层；包括以下步骤：S1.获取区块链跨链及智能合约专利的文本数据；S2.制定分类标准，进行数据标注及预处理，根据单字分词的方式进行分词处理，获取分词向量；S3.通过MacBERT层对分词序列进行特征提取，得到词向量序列；S4.将词向量序列输入到双向BiLSTM层进一步提取文本位置信息，得到特征向量序列且具备“记忆”能力；S5.全连接层将特征向量序列的语义特征降维；S6.采用序列标注算法，并采用条件约束层中对应的损失函数计算任务损失，反向传播训练模型；S7.实时获取待识别区块链专利文本数据，采用训练好的模型得到识别结果，并通过输出层输出识别结果。

全文数据：

权利要求：

百度查询： 上海计算机软件技术开发中心;上海软中智链数字科技有限公司 一种基于深度学习的区块链专利命名实体识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD