買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉湖北大學(xué)申請(qǐng)的專利一種多通道特征協(xié)同文本分類方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119938914B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510004928.5，技術(shù)領(lǐng)域涉及：G06F16/35；該發(fā)明授權(quán)一種多通道特征協(xié)同文本分類方法及系統(tǒng)是由蔣碧波;吳葉明;李晨宇;司念;黃健輝;楊超設(shè)計(jì)研發(fā)完成，并于2025-01-02向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種多通道特征協(xié)同文本分類方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明屬于但不限于文本分類技術(shù)領(lǐng)域，尤其涉及一種多通道特征協(xié)同文本分類方法及系統(tǒng)，包括：在編碼階段，首先將目標(biāo)文本信息輸入多通道特征協(xié)同模塊，通過(guò)兩個(gè)獨(dú)立的編碼器分別提取具有不同位置信息側(cè)重的特征向量；這些特征經(jīng)過(guò)特征處理模塊處理，得到輸出特征；在對(duì)文本進(jìn)行分類之前，輸出特征還需經(jīng)過(guò)閾值調(diào)優(yōu)策略模塊進(jìn)行篩選判斷。在對(duì)輸入文本進(jìn)行特征提取前，關(guān)注標(biāo)簽信息與文本信息之間的關(guān)聯(lián)，建立多通道對(duì)文本信息進(jìn)行挖掘。同時(shí)，基于閾值調(diào)優(yōu)策略，對(duì)模型難以理解的語(yǔ)義模糊文本和易于理解的語(yǔ)義簡(jiǎn)單文本分別處理，進(jìn)一步提高模型的泛化能力與分類性能，四個(gè)公開(kāi)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明，F(xiàn)STTS模型具有較好的泛化性和有效性。

本發(fā)明授權(quán)一種多通道特征協(xié)同文本分類方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種多通道特征協(xié)同文本分類方法，其特征在于，包括： S1、特征提取：在編碼階段，將目標(biāo)文本信息輸入多通道特征協(xié)同模塊，通過(guò)兩個(gè)獨(dú)立的編碼器分別提取具有不同位置信息側(cè)重的特征向量，其中，第一個(gè)編碼器提取全局語(yǔ)義特征，第二個(gè)編碼器提取局部上下文特征； S2、特征處理：將所述特征向量輸入特征處理模塊，對(duì)來(lái)自兩個(gè)通道的特征向量進(jìn)行融合和優(yōu)化，通過(guò)特征對(duì)齊、加權(quán)或降維方法生成統(tǒng)一的輸出特征； S3、閾值調(diào)優(yōu)：將所述輸出特征輸入閾值調(diào)優(yōu)策略模塊，基于預(yù)設(shè)的閾值條件篩選有效特征，過(guò)濾噪聲或冗余信息，得到優(yōu)化后的特征； S4、分類決策：將優(yōu)化后的特征輸入分類器，對(duì)目標(biāo)文本進(jìn)行分類，生成分類結(jié)果； 閾值調(diào)優(yōu)策略基于上下閾值進(jìn)行判斷，動(dòng)態(tài)調(diào)整對(duì)語(yǔ)義模糊文本與語(yǔ)義簡(jiǎn)單文本的界定；通過(guò)閾值篩選函數(shù)，針對(duì)這兩類文本的差異采取不同的決策，以提高模型的理解能力，這種處理方式在形式上更符合人類思維習(xí)慣，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法的有效性； 語(yǔ)義模糊文本篩選策略如公式15所示，表示模糊類別篩選閾值，即閾值調(diào)優(yōu)策略模塊的上閾值；假設(shè)第個(gè)文本是語(yǔ)義模糊文本，將其損失函數(shù)表示為，對(duì)于滿足公式的語(yǔ)義模糊文本，模型將采用再次學(xué)習(xí)的方法，加深模型對(duì)該類文本的理解； 15 同理，語(yǔ)義簡(jiǎn)單文本類別篩選閾值為閾值調(diào)優(yōu)模塊的下閾值，為了避免模型的擬合過(guò)于偏向?qū)φZ(yǔ)義簡(jiǎn)單文本，篩選出的語(yǔ)義簡(jiǎn)單文本將跳出本d次訓(xùn)練，語(yǔ)義簡(jiǎn)單文本篩選策略如式16所示： 16 當(dāng)閾值篩選函數(shù)的上閾值取值為1.10，下閾值取值為0.93時(shí)，模型在SST-2數(shù)據(jù)集上準(zhǔn)確率提升效果最優(yōu)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人湖北大學(xué)，其通訊地址為：430000 湖北省武漢市武昌區(qū)友誼大道368號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。