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！

龙图腾网获悉福建师范大学申请的专利基于可复用的通用CNN模型的短文本理解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：CN119202256B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411350793.X，技术领域涉及：G06F16/35；该发明授权基于可复用的通用CNN模型的短文本理解方法是由林佳胤;赵云盟;沈俊;林铭炜;张媛媛设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本基于可复用的通用CNN模型的短文本理解方法在说明书摘要公布了：本发明提供一种基于可复用的通用CNN模型的短文本理解方法，采用解析短文本内容的CNN框架执行短文本理解；所述解析短文本内容的CNN框架包括：上游组件和下游组件；所述上游组件采用预训练的语言模型，用于将原始文本输入转换为密集的词嵌入；下游组件采用任务特定的CNN模型，用于接收密集的词嵌入并生成针对特定NLP任务的最终预测。

本发明授权基于可复用的通用CNN模型的短文本理解方法在权利要求书中公布了：1.一种基于可复用的通用CNN模型的短文本理解方法，其特征在于：采用解析短文本内容的CNN框架执行短文本理解；所述解析短文本内容的CNN框架包括：上游组件和下游组件；所述上游组件采用预训练的语言模型，用于将原始文本输入转换为密集的词嵌入；下游组件采用任务特定的CNN模型，用于接收密集的词嵌入并生成针对特定NLP任务的最终预测； 所述上游组件使用预训练的语言模型L生成维度为m的密集词嵌入e；对于短文本中t＝w1,w2,...,wi的每个词w，映射过程定义为Lwi＝＞ei,ei∈Rm，其中ei是一个m维的实值向量，Rm是向量的集合； 将所述短文本表示为二维‘图像’P，通过将所有嵌入一起堆叠形成；这一过程表示为P＝Stacke1,e2,...,ei；为了防止在此过程中信息的丢失，嵌入的顺序与原始文本序列保持一致； 所述下游组件使用基于CNN的下游模型，接收生成的文本“图像”P并进行最终预测y；下游组件的目标是学习以下函数F，如式1所示: 利用基于CNN的网络来解释文本内容；生成的二维文本图像通过多个卷积核k1-ki扫描若干次，以提取语义信息；不同的卷积核具有不同的宽度di，且共享相同的高度h；卷积核的高度h等于词嵌入的大小；使得卷积核在每一步总结di个连续词的信息，卷积过程如式2所示； 其中h是输入信号，g是卷积变化过程，下游组件工作的具体过程如式3所示； 其中wij为对应输入信号xij的权重，b为偏置项；在一系列连续的卷积操作后，应用池化操作和全连接层以总结所有提取的信息并生成最终预测； 采用1D边界框在短文本中定位和标记关键的情感词汇或信息片段以实现关键字定位。

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福建师范大学，其通讯地址为：350117 福建省福州市闽侯县上街镇学府南路8号福建师范大学旗山校区；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。