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)獲悉西安理工大學(xué)申請(qǐng)的專利基于增量學(xué)習(xí)的中文文獻(xiàn)分類方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119939428B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15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：202510022875.X，技術(shù)領(lǐng)域涉及：G06F18/2431；該發(fā)明授權(quán)基于增量學(xué)習(xí)的中文文獻(xiàn)分類方法是由劉雅君;秋露露;上官安琪;費(fèi)蓉;李軍懷設(shè)計(jì)研發(fā)完成，并于2025-01-07向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于增量學(xué)習(xí)的中文文獻(xiàn)分類方法在說明書摘要公布了：本發(fā)明提供了一種基于增量學(xué)習(xí)的中文文獻(xiàn)分類方法，具體包括：構(gòu)建中文文獻(xiàn)分類問題的基準(zhǔn)數(shù)據(jù)集：構(gòu)建基于增量學(xué)習(xí)的中文文獻(xiàn)分類的基準(zhǔn)模型：使用羊群選擇算法選取舊類別中具有代表性的數(shù)據(jù)，和新類別數(shù)據(jù)合并，構(gòu)建增量學(xué)習(xí)數(shù)據(jù)集：將增量學(xué)習(xí)數(shù)據(jù)集輸入到基準(zhǔn)模型中，在增量學(xué)習(xí)損失函數(shù)約束下進(jìn)行訓(xùn)練：使用權(quán)重對(duì)齊方法對(duì)基準(zhǔn)模型中的全連接層的輸出為新類別的權(quán)重進(jìn)行更新；最后將待分類中文文獻(xiàn)輸入到全連接層權(quán)重對(duì)齊后的模型中，進(jìn)行文本信息識(shí)別，得到文獻(xiàn)分類結(jié)果。本發(fā)明可用于鑒定中文文獻(xiàn)的類別，使用權(quán)重對(duì)齊方法和解耦的蒸餾損失函數(shù)，使得多分類問題結(jié)果更為可靠和可信，降低系統(tǒng)誤差。

本發(fā)明授權(quán)基于增量學(xué)習(xí)的中文文獻(xiàn)分類方法在權(quán)利要求書中公布了：1.一種基于增量學(xué)習(xí)的中文文獻(xiàn)分類方法，其特征在于，包括： 步驟S1，構(gòu)建中文文獻(xiàn)分類問題的基準(zhǔn)數(shù)據(jù)集； 步驟S2，構(gòu)建基于增量學(xué)習(xí)的中文文獻(xiàn)分類的基準(zhǔn)模型； 所述步驟S2中的基準(zhǔn)模型由編碼層、卷積層、激活層、最大池化層、注意力層和全連接層依次連接組成，具體包括： 步驟S21：設(shè)置編碼層，使用BERT-wwm-ext,Chinese中文預(yù)訓(xùn)練語言模型獲得中文文獻(xiàn)文本數(shù)據(jù)的嵌入表示，作為后續(xù)模型的輸入； 步驟S22：設(shè)置卷積層，使用不同大小的卷積核在文本向量上滑動(dòng)，以捕捉不同長度的局部特征； 步驟S23：設(shè)置激活層，使用ReLU激活函數(shù)對(duì)卷積后獲取的特征進(jìn)行激活； 步驟S24：定義最大池化層，對(duì)特征進(jìn)行降維處理，提取最重要的特征； 步驟S25：設(shè)置注意力層，獲得每個(gè)特征的權(quán)重，再與原始特征相乘； 步驟S26：定義全連接層，用來得到模型的分類結(jié)果； 步驟S3，使用羊群選擇算法選取舊類別中具有代表性的樣本，和新類別數(shù)據(jù)合并，構(gòu)建增量學(xué)習(xí)數(shù)據(jù)集； 步驟S4，將增量學(xué)習(xí)數(shù)據(jù)集輸入到基準(zhǔn)模型中，在增量學(xué)習(xí)損失函數(shù)約束下進(jìn)行訓(xùn)練； 步驟S5，使用權(quán)重對(duì)齊方法對(duì)基準(zhǔn)模型中的全連接層的輸出為新類別的權(quán)重進(jìn)行更新； 步驟S6，將待分類中文文獻(xiàn)輸入到全連接層權(quán)重對(duì)齊后的模型中，進(jìn)行序列信息識(shí)別，得到文獻(xiàn)分類結(jié)果。

如需購買、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)人西安理工大學(xué)，其通訊地址為：710048 陜西省西安市碑林區(qū)金花南路5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)”。