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！

龙图腾网获悉北京航空航天大学申请的专利面向深度神经网络的自然语言处理模型测试用例约简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：CN114185785B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202111505687.0，技术领域涉及：G06F11/3668；该发明授权面向深度神经网络的自然语言处理模型测试用例约简方法是由殷蓓蓓;李明希设计研发完成，并于2021-12-10向国家知识产权局提交的专利申请。

本面向深度神经网络的自然语言处理模型测试用例约简方法在说明书摘要公布了：本发明公开了面向深度神经网络的自然语言处理技术测试用例约简方法，包括：步骤1、明确待测试的模型，并使用原始数据对基于深度神经网络的自然语言处理模型进行训练；步骤2、使用训练好的模型提取原始测试集的特征向量，并将提取的文本数据的特征向量存储在xlsx文件中；步骤3、定义评价函数对文本数据测试用例进行排序，评价函数值越大表示测试用例被错误分类的可能性越大，将评价函数值大的测试用例依次向前排。本发明从所使用文本数据独有的特征出发，定义了衡量测试用例被错误分类可能性大小的函数；随着基于深度神经网络自然语言处理技术模型的普及，可有效提升这类模型的测试效率，削减测试成本。

本发明授权面向深度神经网络的自然语言处理模型测试用例约简方法在权利要求书中公布了：1.一种面向深度神经网络的自然语言处理技术测试用例约简方法，其特征在于：该方法包括以下步骤： 步骤1、明确目标模型和原始文本数据集，使用原始文本数据集对模型进行训练； 明确待测试的模型，并使用原始文本数据集对基于深度神经网络的自然语言处理模型进行训练；将原始文本数据集划分出训练集、校验集和原始测试用例集，使用训练集和校验集对目标模型进行训练；得到训练好的待测目标模型； 步骤2、使用训练好的模型，得到原始测试用例集的特征向量表示； 将原始测试用例集输入到训练好的模型中，在模型结构最后隐藏层之后编辑代码，提取模型结构最后隐藏层输出的特征向量；最后隐藏层输出，将提取的文本信息存储在特征向量中； 步骤3、对测试用例进行排序； 使用基于基尼不纯度或者基于香农熵的评价函数来衡量测试用例被错误分类的可能性大小，并依据被错误分类可能性大小对测试用例排序；对测试用例排序的评价函数分别为公式1和公式2； 其中，pt，i为特征向量中每个元素，m为需要设置的参数值，ξt为基于基尼不纯度定义的评价函数的函数值，HP为基于香农熵定义的评价函数的函数值； 步骤4、基于香农熵截取测试集； 在对测试用例进行排序之后，将容易使模型出错的测试用例往前排；之后以每一条测试用例出错的概率为信息，使用香农熵来截取从第1个到第K个测试用例，依据设定的参数m和阈值，自动截取所需要测试集的大小； 步骤5、将优化后得到的测试集输入模型验证方法的有效性； 将测试用例输入到目标模型中，使用更小的测试集检测目标模型存在的缺陷。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。