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！

龙图腾网获悉中国科学院成都文献情报中心申请的专利一种实体对引导的科技文献文档级关系提取方法及系统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：CN121501984B 。

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：202610045189.9，技术领域涉及：G06F16/334；该发明授权一种实体对引导的科技文献文档级关系提取方法及系统是由杨帅;徐韵东;陆颖;蒋睿哲;涂琼;王艺蒙设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本一种实体对引导的科技文献文档级关系提取方法及系统在说明书摘要公布了：本发明提供的一种实体对引导的科技文献文档级关系提取方法及系统，其方法包括：对输入的科技文献文档进行实体识别，获得科技文献文档中的实体集合；基于多次采样与相似度验证的实体对预筛选机制，从实体集合的所有可能实体对中，筛选出候选实体对集合；之后生成融合了对应实体类型信息与实体对间关系语义的增强型关系描述；基于预先构建的关系语义知识库，采用双层过滤机制，为每个增强型关系描述检索出对应的精筛选候选关系集合；之后利用候选关系的详细语义描述引导大语言模型进行三元组事实判断，得到输出结果。本发明在保证高精度关系提取的同时，显著降低了长文本处理的计算开销，使得科技文献文档级关系提取更加精准高效。

本发明授权一种实体对引导的科技文献文档级关系提取方法及系统在权利要求书中公布了：1.一种实体对引导的科技文献文档级关系提取方法，其特征在于，包括： 步骤S1、对输入的科技文献文档进行实体识别，获得所述科技文献文档中的实体集合； 步骤S2、基于多次采样与相似度验证的实体对预筛选机制，从所述实体集合的所有可能实体对中，筛选出候选实体对集合； 步骤S3、针对所述候选实体对集合中的每一个实体对，生成融合了对应实体类型信息与实体对间关系语义的增强型关系描述； 步骤S4、基于预先构建的关系语义知识库，采用包含粗筛选与精筛选的双层过滤机制，为每个所述增强型关系描述检索出对应的精筛选候选关系集合； 步骤S5、对于所述精筛选候选关系集合中的每一个候选关系，利用所述候选关系的详细语义描述引导大语言模型进行三元组事实判断，若判断为真，则输出包含头实体、尾实体及关系类型的三元组； 所述步骤S2，包括： 步骤S21、定义指令模板Ψ，指导大语言模型从所述科技文献文档D和所述实体集合E中识别可能存在的实体关系对； 步骤S22、使用所述大语言模型，基于所述指令模板Ψ，对所述文档D和实体集合E进行K次独立采样，每次采样生成一个可能包含关系的实体对子集Ωi： Ωi=LLMΨ,D,E； 步骤S23、对于每次采样得到的实体对子集Ωi中的每一个实体对Ep,Eq，使用句子嵌入模型计算其与实体集合E中对应真实实体对Ep’,Eq’的余弦相似度σu,v； 步骤S24、设定相似度阈值进行过滤，得到有效实体对子集； 步骤S25、合并所有K次采样后得到的有效实体对子集，得到最终的候选实体对集合； 所述步骤S4中，采用包含粗筛选与精筛选的双层过滤机制，为每个所述增强型关系描述检索出对应的精筛选候选关系集合，包括： 使用与构建所述关系语义知识库相同的句子转换器模型Encoder，将待查询实体对的增强型关系描述Γ*Ep,Eq编码为查询向量Vq： Vq=EncoderΓ*Ep,Eq； 计算查询向量Vq与所述关系语义知识库К中每个向量VT的余弦相似度σVq,VT，按照所述余弦相似度σVq,VT降序排列，选取前k个最相似向量对应的样本，提取k个样本对应的关系标签，去重后构成粗筛选候选关系集合Rcoarse； 基于预定义的关系转换模板Trel和实体先验知识Pknow，将所述粗筛选候选关系集合Rcoarse中的每个关系标签转换为关于实体对Ep,Eq的自然语言陈述句，形成初始选项集合Q； 将所述科技文献文档D、初始选项集合Q、实体对Ep,Eq及精筛选指令Ψrefine输入大语言模型，并将无关系作为独立选项加入，得到答案AEp,Eq： AEp,Eq=LLMΨrefine,D,Q,Ep,Eq； 将所述答案AEp,Eq转换为最终候选关系集合Rfine。

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科学院成都文献情报中心，其通讯地址为：610299 四川省成都市天府新区群贤南街289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。