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！

龙图腾网获悉中国科学院信息工程研究所申请的专利一种标签语义增强的弱监督文本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：CN116628199B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310520566.6，技术领域涉及：G06F16/353；该发明授权一种标签语义增强的弱监督文本分类方法及系统是由王雷;林呈宇;薛聪设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本一种标签语义增强的弱监督文本分类方法及系统在说明书摘要公布了：本发明公开一种一种标签语义增强的弱监督文本分类方法及系统，属于机器学习领域，基于BERT弱监督文本分类框架，在类别词表构建阶段，基于Zipf定律加权类别表示实现类别词去噪，利用了语义相似度递减特性去除类别词表中的无关词；在样本标注阶段，基于MASK机制的词类别标注，然后基于自训练模块进行优化分类模型，以样本中的类别指示性单词为桥梁，建立“样本句‑指示词‑类别标签”跨层级语义关联。本发明在词表构建与样本弱标注生成阶段引入了更多降低标签噪声的算法，以达到标签语义增强的效果，在不同语种环境中显著提升文本分类效果。

本发明授权一种标签语义增强的弱监督文本分类方法及系统在权利要求书中公布了：1.一种标签语义增强的弱监督文本分类方法，其特征在于，包括以下步骤： 针对需要分类的文本数据，从中提取样本并使用生成式方法对样本中的单词构造候选词列表； 对于候选词列表中每个单词，根据单词在样本中的语义确定其上下文表示，并计算其上下文表示与类别表示之间的相关性； 基于Zipf定律根据上述相关性计算单词的类别表示，并根据每次选取的相关性最高的单词构建类别词表； 针对样本的句子中的每个单词，使用BERT模型根据构建的类别词表确定单词的指示类别，并将该单词作为对应的类别指示性单词；使用BERT模型根据构建的类别词表确定单词的指示类别的步骤包括：使用BERT模型找到最相关的k个单词，将该k个单词与每个类别的类别词表进行比较，选择交集超过一阈值且交集最大的类别作为该单词的指示类别； 针对每个类别指示性单词，使用MASK机制掩蔽掉类别指示性单词，并使用交叉熵损失训练分类器根据类别指示性单词的上下文表示，来预测类别指示性单词的类别标签； 构建由BERT模型、语义相似度模块和Softmax分类器构成的自训练模块，该自训练模块通过BERT模型生成针对样本中句子的句向量表示，通过Softmax分类器根据句向量表示预测标签分布，通过语义相似度模块计算句向量表示与标签表示之间的相似度；该自训练模块根据相似度学习类别标签的标签语义，计算每个句子的真实标签分布并利用真实标签分布进行自训练； 利用训练好的自训练模块对需要分类的文本数据进行分类。

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科学院信息工程研究所，其通讯地址为：100085 北京市海淀区树村路19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。