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！

龙图腾网获悉南京航空航天大学申请的专利基于深度学习的智慧图书馆文献快速检索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：CN119622003B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411680867.6，技术领域涉及：G06F16/38；该发明授权基于深度学习的智慧图书馆文献快速检索方法是由万程;吴季梅;杨阳;袁家斌设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于深度学习的智慧图书馆文献快速检索方法在说明书摘要公布了：本发明公开了基于深度学习的智慧图书馆文献快速检索方法，具体涉及自然语言处理技术领域，利用预训练的Transformer模型将数据集中的文本数据转换为高维空间中的向量，并将文本数据转化为稠密向量进行特征提取；采用SimCSE模型对相同文本内容在不同Dropout环境下的编码产生正样本对，利用正样本对模型进行无监督训练，从而学习到文本的深层语义表示，最后，再将两个模型进行模型融合策略；而后使用In‑batchNegatives方法，在模型训练过程中利用同一个batch中的其他样本作为负样本，采用基于性能反馈的动态学习率调整机制，根据模型在验证集上的表现自动调整学习率优化训练过程，以加速模型。

本发明授权基于深度学习的智慧图书馆文献快速检索方法在权利要求书中公布了：1.基于深度学习的智慧图书馆文献快速检索方法，选择图书馆提供的文献数据集，对数据集进行预处理，其特征在于：利用预训练的Transformer模型将数据集中的文本数据转换为高维空间中的向量，以捕捉文本数据中的深层语义关系，并将文本数据转化为稠密向量进行特征提取； 采用SimCSE模型对相同文本内容在不同Dropout环境下的编码产生正样本对，利用正样本对SimCSE模型进行无监督训练，从而学习到文本的深层语义表示，最后，再将两个模型进行模型融合策略； 而后使用In-batchNegatives方法，在模型训练过程中利用同一个batch中的非相同文本内容作为负样本，采用基于性能反馈的动态学习率调整机制，根据模型在验证集上的表现自动调整学习率优化训练过程，以加速模型； 对比学习中常用infoNCE损失： 其中h,h+为正样本对，h-为负样本，r是温度参数，sim表示两个样本之间的相似度，li表示第i个样本的损失值，hi表示第i个样本向量，表示第j个样本的负样本向量，i指的是当前损失的样本，j指的是一个batch中的所有样本； 在原有基础上引入上下文窗口的局部表示和作为句子的局部表示，则局部对比损失函数为： 其中表示第i个样本的局部上下文窗口表示，是其正样本的局部上下文表示，是第j个样本的负样本的局部上下文窗口表示，最终损失为： 其中，λglobal和λlocal是控制全局损失和局部损失的权重，通过对每个句子的局部上下文进行对比，生成更多细粒度的负样本。

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南京航空航天大学，其通讯地址为：210001 江苏省南京市秦淮区御道街29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。