中国人民解放军战略支援部队信息工程大学李顺航获国家专利权
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！
龙图腾网获悉中国人民解放军战略支援部队信息工程大学申请的专利一种基于对比学习和图学习的法案文本多标签分类方法及系统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：CN116186599B 。
龙图腾网通过国家知识产权局官网在2026-02-17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：202211583475.9，技术领域涉及：G06F18/241；该发明授权一种基于对比学习和图学习的法案文本多标签分类方法及系统是由李顺航;李志博;周刚;兰明敬;付文帅;侯雪梅;左宗;李笑晨;刘晨阳设计研发完成，并于2022-12-10向国家知识产权局提交的专利申请。
本一种基于对比学习和图学习的法案文本多标签分类方法及系统在说明书摘要公布了：本发明公开一种基于对比学习和图学习的法案文本多标签分类方法及系统，包括：该方法以roBerta模型作为基础，在法案文本数据集上进行继续训练以适应法律文本特点；基于aprior算法挖掘标签中的频繁项集，为构造正负样例提供一种相似度衡量指标；基于微调后的roBerta模型及相似度衡量指标构造样例对，以进行对比学习；基于法案数据特点，结合外部数据构造异质图，并将微调后roBerta模型用于法案文本表示学习，作为异质图中相关节点的初始化表示；采用图神经网络技术完成节点表示学习；在此基础上实现法案与标签节点间边预测，完成法案文本多分类。本发明有效缓解小样本语料环境带来的模型训练难题且扩展性强。
本发明授权一种基于对比学习和图学习的法案文本多标签分类方法及系统在权利要求书中公布了：1.一种基于对比学习和图学习的法案文本多标签分类方法，其特征在于，包括： 步骤1，以训练语言模型roBerta模型作为基础，在法案文本数据集上进行继续训练以适应法律文本特点，完成对roBerta模型的一次微调； 步骤2，基于aprior算法挖掘标签中的频繁项集，为构造正负样例提供一种相似度衡量指标；步骤3，基于微调后的roBerta模型及相似度衡量指标，构造样例对，以进行对比学习，完成对roBerta模型的二次微调； 步骤4，基于法案数据特点，结合外部数据构造异质图，并将二次微调后的roBerta模型用于法案文本表示学习，作为异质图中相关节点的初始化表示； 步骤5，采用图神经网络技术，完成节点表示学习；在此基础上实现法案与标签节点间边预测，完成法案文本多分类。
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中国人民解放军战略支援部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励