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！

龙图腾网获悉大连海洋大学申请的专利基于小模型引导的水产养殖疾病防控文本数据增强方法、设备及存储介质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：CN120277217B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510349966.4，技术领域涉及：G06F16/353；该发明授权基于小模型引导的水产养殖疾病防控文本数据增强方法、设备及存储介质是由于红;乔诗晗;宋晶;张力心;赵慧媛;黄薇设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本基于小模型引导的水产养殖疾病防控文本数据增强方法、设备及存储介质在说明书摘要公布了：本发明提供了一种基于小模型引导的水产养殖疾病防控文本数据增强方法、设备及存储介质，属于文本数据增强领域。该方法基于优质语料+预训练大模型+prompt的策略，引导模型生成符合需求的数据；引入了一种小模型监督大模型方法，结合小模型与强化学习技术，利用小模型捕捉文本中的语义信息，通过强化学习机制根据小模型的反馈不断动态调整大模型的生成策略，提高了生成数据的相关性，还增强了数据的多样性；此外，设计了除噪整合模块，利用小模型负责评估和筛选大模型生成的数据，识别并排除不符合要求或包含噪声的数据，从而提升整体数据集的质量。本发明生成的文本不仅在语义上与原始数据保持高度一致，同时还显著增加了数据的丰富性。

本发明授权基于小模型引导的水产养殖疾病防控文本数据增强方法、设备及存储介质在权利要求书中公布了：1.基于小模型引导的水产养殖疾病防控文本数据增强方法，其特征在于，包括以下步骤： S1、构建水产生物疾病的原始样本集并进行微调语料标注，生成水产生物疾病标注数据集； S2、采用句子级切分将所述原始样本集中的每条数据拆分成一组数据片段； S3、构建融合提示工程与规则检查策略的Prompt框架； S4、基于S1构建的水产生物疾病标注数据集对预训练大模型进行监督式微调，得到SFT领域大模型；并通过S3构建的Prompt框架指导所述SFT领域大模型生成增强数据； S5、将小模型作为监督模型，将S2得到的切片数据及S4得到的增强数据输入所述监督模型中，采用小模型监督大模型的训练方法对所述SFT领域大模型进行训练，得到水产疾病领域数据增广大模型；具体过程如下： S5.1、在监督模型中构建一个双层次监督体系，其中一层专注于句子之间的相似度评估，另一层侧重于信息的丰富度分析；将S4得到的增强数据以及S2得到的原始切片数据输入所述监督模型中，生成多目标奖励分数，即相似度分数和丰富度分数；其中为原始样本集中第条水产生物疾病数据； 将原始切片数据嵌入和增强数据句子嵌入进行余弦距离计算，得到相似度分数：                           7                  8丰富度分数计算公式如下：          9其中，表示Jaccard距离，用于描述与之间的差异性，即丰富度； S5.2、对应相似度分数和丰富度分数两个奖励目标，在所述监督模型中引入两个门控层，综合考量两个维度之间的平衡及其与增强数据的关系；具体地，输入和其阈值条件，以及和其阈值条件，门控层的输出表示为：                   10S5.3、以公式10生成的二进制标签、提示词以及增强数据组成数据集，利用该数据集基于KTO强化学习方法对SFT领域大模型的参数进行训练，得到水产疾病领域数据增广大模型；其中，KTO训练的损失函数定义如下：        11其中：  12                13             14                  15其中，是KL散度项，是DPO中推导的reward函数形式；为正在对齐的模型，为参考模型，σ为对数函数，和分别是期望输出和不良输出的超参数； 所述SFT领域大模型的训练参数如下： 16其中，为超参数，为采用经行LORA微调后的正在对齐的模型，为可训练参数； S6、利用S5得到的水产疾病领域数据增广大模型生成增强数据，并对增强数据进行除噪聚合处理，得到最终的长文本数据。

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大连海洋大学，其通讯地址为：116023 辽宁省大连市沙河口区黑石礁街52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。