買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京百度網訊科技有限公司申請的專利文本標注模型的訓練方法、文生圖方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117290515B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311199753.5，技術領域涉及：G06F16/36；該發明授權文本標注模型的訓練方法、文生圖方法及裝置是由林澤南;張碩;傅瑜;史亞冰設計研發完成，并于2023-09-15向國家知識產權局提交的專利申請。

本文本標注模型的訓練方法、文生圖方法及裝置在說明書摘要公布了：本申請公開了文本標注模型的訓練方法、文生圖方法及裝置，涉及人工智能技術領域，尤其涉及自然語言處理、深度學習等領域。實現方案：獲取第一樣本文本及第一樣本文本中各字符分別對應的多級參考標簽；利用初始文本標注模型對第一樣本文本進行標注，以獲取預測標簽序列；根據各字符分別對應的預測多級標簽與多級參考標簽之間的差異，對初始文本標注模型進行訓練，以獲取文本標注模型。由此，通過利用多級標簽標注后的第一樣本文本可以訓練得到能夠進行多級標簽標注的文本標注模型，利用該文本標注模型對文生圖的輸入文本進行標注，基于多級標簽標注后的輸入文本生成圖像，可以提高生成的圖像與輸入文本的描述的匹配度。

本發明授權文本標注模型的訓練方法、文生圖方法及裝置在權利要求書中公布了：1.一種文本標注模型的訓練方法，包括： 獲取第一樣本文本及所述第一樣本文本中各字符分別對應的多級參考標簽； 利用初始文本標注模型對所述第一樣本文本進行標注，以獲取預測標簽序列，所述預測標簽序列包括各所述字符分別對應的預測多級標簽； 根據各所述字符分別對應的預測多級標簽與多級參考標簽之間的差異，對所述初始文本標注模型進行訓練，以獲取文本標注模型； 其中，所述文本標注模型用于對文生圖模型的輸入文本進行標注，所述文生圖模型用于對標注后的輸入文本進行處理以生成所述輸入文本對應的圖像； 所述獲取第一樣本文本及所述第一樣本文本中各字符分別對應的多級參考標簽，包括： 獲取所述第一樣本文本； 對所述第一樣本文本進行切詞處理，以獲取所述第一樣本文本包含的第一分詞； 將所述第一分詞與預設圖譜中的實體及實體之間的關系進行匹配，從多級標簽集合中以確定出所述第一分詞對應的多級參考標簽； 根據所述第一分詞對應的多級參考標簽，對所述第一分詞中的字符進行標注，以獲取所述字符對應的多級參考標簽； 所述將所述第一分詞與預設圖譜中的實體及實體之間的關系進行匹配，以確定所述第一分詞對應的多級參考標簽，包括： 在所述第一分詞中的第一目標分詞與所述預設圖譜中的第一實體匹配的情況下，將所述第一實體的屬性和或所述第一實體與相鄰實體之間的關系與第一候選多級標簽進行匹配，以確定所述第一目標分詞對應的多級參考標簽； 在所述第一分詞中的第二目標分詞與所述預設圖譜中的兩個實體之間的關系匹配的情況下，將任意兩個實體之間的關系的屬性與第二候選多級標簽進行匹配，以確定所述第二目標分詞對應的多級參考標簽； 在所述第一分詞中的第三目標分詞與所述預設圖譜中的實體及實體之間的關系均不匹配的情況下，將所述第三目標分詞與所述第三目標分詞所屬語句中實體的屬性進行匹配，確定所述第三目標分詞對應的多級參考標簽； 其中，所述第一候選多級標簽是指所述多級標簽集合中一級標簽為第一預設標簽的多級標簽，所述第二候選多級標簽是指所述多級標簽集合中一級標簽為第二預設標簽的多級標簽。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京百度網訊科技有限公司，其通訊地址為：100085 北京市海淀區上地十街10號百度大廈二層；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。