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！

龙图腾网获悉合肥工业大学;安徽省信用融资担保集团有限公司申请的专利基于大模型概念生成的可解释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：CN120929605B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511455114.X，技术领域涉及：G06F16/353；该发明授权基于大模型概念生成的可解释文本分类方法是由王钊;张晓慧;王建飞;蒋翠清;杨盛琦;张园园设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本基于大模型概念生成的可解释文本分类方法在说明书摘要公布了：本发明提供一种基于大模型概念生成的可解释文本分类方法，涉及自然语言处理领域。在训练阶段，首先通过大模型为每一样本提炼并标注稳定、可解释的概念特征及其对应的维度，以构建任务感知式概念体系；然后编码每一标注样本进行预测建模，得到高可解释性的文本分类模型。在推理阶段，首先基于结合双重语义一致性与样本多样性增强的筛选策略，为新样本筛选经验样本；然后利用任务感知式概念体系与经验样本，通过大模型标注新样本的概念及其对应的维度，之后将其标注结果反馈至文本分类模型以完成最终预测。本发明提升文本分类任务的处理效率与预测准确性，增强分类模型输出的透明性、稳定性与业务可控性，满足对可解释性要求较高的应用场景需求。

本发明授权基于大模型概念生成的可解释文本分类方法在权利要求书中公布了：1.一种基于大模型概念生成的可解释文本分类方法，其特征在于，包括： 基于大模型的结构化推理，标注训练集中每一样本的概念及其对应的维度，以构建任务感知式概念体系；其中所述训练集包含若干文档及其分类标签，每一所述文档对应一个样本； 编码每一所述样本的标注结果，结合所述分类标签，训练文本分类模型直至收敛； 基于结合双重语义一致性与样本多样性增强的筛选策略，从所述训练集中筛选若干标注样本，作为新样本的经验样本； 将所述任务感知式概念体系、所述新样本与所述经验样本共同作为所述大模型的输入，标注所述新样本的概念及其对应的维度，编码后作为收敛后的文本分类模型的输入，以获取所述新样本的文本分类结果； 所述基于大模型的结构化推理，标注训练集中每一样本的概念及其对应的维度，以构建任务感知式概念体系，包括： 将每一所述样本按句划分，并通过所述大模型获取概要，以从所述概要中抽象出具有维度化信息的概念； 遍历所有样本后，通过所述大模型去除冗余概念； 通过所述大模型层次化去冗余后的概念，以获取由父概念-子概念组成的层次化概念卡；其中所述父概念包含若干所述子概念，所述子概念与所述去冗余后的概念一一对应； 从所述训练集中等量选取带有不同类型分类标签的样本，将所选取的样本与所述层次化概念卡共同作为所述大模型的输入，以标注每一样本的概念对应的维度； 按照出现频次数量要求，统一对所有样本的概念及其对应的维度进行精简，构建所述任务感知式概念体系； 所述双重语义一致性的获取过程如下： 获取所述任务感知式概念体系中每一所述父概念包含的若干所述子概念、所述训练集中每一标注样本、所述新样本的嵌入向量； 计算每一所述标注样本与所述新样本的嵌入向量之间的第一相似度； 计算每一所述标注样本与每一所述父概念包含的若干所述子概念之间的第二相似度； 融合所述第一相似度和所述第二相似度，获取每一所述标注样本的相关性得分，以表征所述双重语义一致性； 所述结合双重语义一致性与样本多样性增强的筛选策略包括： 单次从所述训练集中选取预设数量的所述标注样本，重复操作后得到多个训练子集； 基于当前训练子集中任意两个所述标注样本的相关性得分以及两者之间的相似度核，获取相关性加权核； 基于所述相关性加权核，构建当前训练子集的条件行列式点过程核矩阵； 基于所述条件行列式点过程核矩阵，利用矩阵行列式恒等式推导选择当前训练子集的第一对数概率； 基于可调超参数对所述第一对数概率中的相关性得分进行指数变换，获取第二对数概率，所述第二对数概率用于表征该训练子集中各个所述标注样本的双重语义一致性以及相互之间的多样性。

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合肥工业大学;安徽省信用融资担保集团有限公司，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。