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！

龙图腾网获悉广东工业大学申请的专利融合标签混淆和拼音信息的中文文本分类方法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：CN119271814B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202410960183.5，技术领域涉及：G06F16/353；该发明授权融合标签混淆和拼音信息的中文文本分类方法是由孙海涛;梁祖红;黄朋;廖浩霖;张伟国;梁展博;温桂豪;潘佳威;郑嘉;刘雨杰;林文龙设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本融合标签混淆和拼音信息的中文文本分类方法在说明书摘要公布了：本发明公开了融合标签混淆和拼音信息的中文文本分类方法，本发明中的方法包括三个主要部分：对样本标签进行标签混淆的操作使其生成标签模拟分布用以替代传统的one‑hot表示、在字符表征中融入样本的拼音信息以及构造对比学习来处理噪音问题；通过计算标签和样本的相似度值从而获得标签混淆分布，学习到的模拟标签分布有助于模型更好地表示具有不同标签的实例；通过对样本拼音进行嵌入表征汉字的读音，并将其融入样本的字符嵌入中，解决了汉语中高度流行的多音字现象；然后构造合适的正负样本数据进行对比学习，在拉远正负样本之间距离的过程中，学到真正划分类别的特征，同时，降低噪音特征的干扰，提升模型的鲁棒性。

本发明授权融合标签混淆和拼音信息的中文文本分类方法在权利要求书中公布了：1.融合标签混淆和拼音信息的中文文本分类方法，其特征在于，具体包括以下步骤： S1：采用BERT预训练模型对句子进行表征； S2：对句子的拼音信息进行表征并融入句子的表征中； S3：添加去噪处理：设计对比学习任务，利用合适的正负样本数据进行对比学习，在拉远正负样本和拉近正样本之间距离的过程中，能够学到真正划分类别的特征；所采用的对比学习策略为：传统对比学习中它假设一组成对的实例，其中和是语义相关的；使用标准的dropout作为噪声，将同一个句子两次传递给预训练的编码器，通过应用两次标准dropout获得两个不同的嵌入再融入拼音信息使得两个融合嵌入作为“正对”，取同批次中不同标签的句子融合嵌入作为“负对”；取一个句子集合为并使；获得相同正对的关键是通过使用和的独立采样dropout掩码，表示，其中是dropout的随机掩码；只需两次向编码器输入相同的输入，得到不同dropout掩码的两个融合嵌入和；对比学习的训练目标为： ， 其中是温度超参数，是余弦相似度，是批次中与输入的句子不同标签的句子数量； S4：利用标签混淆模块计算实例与标签之间的相似度从而生成一个更好的标签分布来代替原来的one-hot标签向量； S4.1：通过标签编码器来生成标签表示矩阵，标签编码器是一个深度神经网络； S4.2：通过标签模拟分布计算块SLDBlock来计算标签和实例之间的相似度从而获得标签混淆分布；SLD块由相似性层和SLD计算层组成；相似性层将标签表示和当前实例的融合嵌入作为输入，并通过点积计算他们的相似度值，然后应用具有softmax激活的神经网络来获得标签混淆分布LCD； S4.3：将原始标签的one-hot向量添加到LCD中，控制参数α，然后通过softmax函数进行归一化用以生成模拟标签分布SLD；控制参数α决定了LCD将改变多少one-hot向量； 以上过程表述为： ， ， ， 其中，是标签编码函数用来将标签转换为标签表示矩阵，是类别的数量；是LCD，是SLD，是标签one-hot分布； S5：设计特征提取网络获取预测标签分布； S6：构建监督任务和对比学习进行联合优化； S7：得到分类结果。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区广州大学城外环西路100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。