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！

龙图腾网获悉湖南大学申请的专利一种基于Word2vec-QCNN模型的文本表示系统、方法及词库构建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：CN118036605B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202410228934.4，技术领域涉及：G06F40/289；该发明授权一种基于Word2vec-QCNN模型的文本表示系统、方法及词库构建方法是由何洪英;罗滇生;刘楠;罗广唯;陈海文设计研发完成，并于2024-02-29向国家知识产权局提交的专利申请。

本一种基于Word2vec-QCNN模型的文本表示系统、方法及词库构建方法在说明书摘要公布了：本发明公开了一种基于Word2vec‑QCNN模型的文本表示系统、方法及词库构建方法，该方法预处理模块对电力文本进行分词并去停用词；向量转换模块采用Word2vec模型将所得词汇转化为词向量；特征提取模块采用振幅编码将词向量编码为量子态，利用QCNN模型对量子态的词向量进行卷积完成特征提取，并池化降维，去除冗余特征，通过量子测量将处理后的量子态投影到经典空间，得到三维词向量；聚类模块采用QPSO算法对三维词向量聚类；词集对比模块将聚类所得词集与非专业词集对比，剔除重叠词，获得最终电力领域词库。本发明利用量子计算的并行性优势和量子叠加态特性提高计算效率及模型表达能力，从而提高词库准确率。

本发明授权一种基于Word2vec-QCNN模型的文本表示系统、方法及词库构建方法在权利要求书中公布了：1.一种基于Word2vec-QCNN模型的文本表示系统，其特征在于，包括：文本预处理模块、向量转换模块、特征提取模块、聚类模块和词集对比模块；其中，QCNN模型为量子卷积神经网络模型； 文本预处理模块，用于对文本进行分词和去停用，剔除待表示文本中无意义信息； 向量转换模块包括第一训练单元和Word2vec模型，通过第一训练单元对Word2vec模型进行训练，采用训练后的Word2vec模型将预处理后的单词分别均映射到隐藏层表示空间中，得到预处理后的单词对应的词向量； 特征提取模块包括第二训练单元、QCNN模型和编码单元，通过第二训练单元对QCNN模型进行训练，通过编码单元采用振幅编码的方式将词向量编码为量子态，利用训练好的QCNN模型对量子态的词向量进行卷积完成特征提取，并对所提取的特征进行池化完成降维，去除冗余特征，对降维后的特征进行量子测量，将量子态投影到经典空间，得到三维词向量。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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。