Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 厦门鹅卵石网络科技有限公司刘文桂获国家专利权

厦门鹅卵石网络科技有限公司刘文桂获国家专利权

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!

龙图腾网获悉厦门鹅卵石网络科技有限公司申请的专利一种用户标签生成模型的训练方法、装置及存储介质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:CN116821336B

龙图腾网通过国家知识产权局官网在2026-04-28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:202310662516.1,技术领域涉及:G06F16/353;该发明授权一种用户标签生成模型的训练方法、装置及存储介质是由刘文桂;徐骏捷;沈在鑫设计研发完成,并于2023-06-06向国家知识产权局提交的专利申请。

一种用户标签生成模型的训练方法、装置及存储介质在说明书摘要公布了:一种用户标签生成模型的训练方法、装置及存储介质,包括:获取训练数据,在训练数据中设置用户标签生成任务占位符,并作为模型的第一输入;随机获取训练数据与预测用户标签进行随机组合,并设置文本分类任务占位符后作为模型的第二输入;获取所有第二输出,并根据预设评分标准对每个第二输出进行评分得到每个第二输出的对应分值;根据每个第二输出的分值进行排序,更新模型权重,得到用户标签生成模型。本发明通过在预训练阶段生成预测用户标签,再通过第二训练阶段对文本分类类别进行评分,得到的用户标签生成模型能够准确地生成用户标签。

本发明授权一种用户标签生成模型的训练方法、装置及存储介质在权利要求书中公布了:1.一种用户标签生成模型的训练方法,其特征在于,包括: S1、预训练阶段:获取训练数据,在训练数据中设置用户标签生成任务占位符,并作为模型的第一输入;用户标签生成任务占位符用于执行用户标签生成任务,以生成预测用户标签;训练数据具体为:通过获取用户聊天数据中的文本内容得到的文本数据集,包含多个文本数据; S2、第一训练阶段:随机获取训练数据与预测用户标签,进行随机组合,并设置文本分类任务占位符后作为模型的第二输入;文本分类任务占位符用于执行文本分类任务,以生成多个文本分类类别,作为模型的第二输出; S3、第二训练阶段:获取所有第二输出,并根据预设评分标准对每个第二输出进行评分,得到每个第二输出的对应分值;根据每个第二输出的分值进行排序,并更新模型权重,得到用户标签生成模型; 预训练阶段具体步骤如下: S10、获取文本数据集,并对其中的每个文本数据设置对应的预设标签数据; S11、将每个文本数据以及其对应的预设标签数据进行字符串拼接,并设置用户标签生成任务占位符; S12、将步骤S11得到的结果作为模型的第一输入x1,且m1nm2,其中m1为文本数据的文本长度,m2为第一输入x1的文本长度,n为一随机数; 第一训练阶段的损失函数计算公式具体如下: loss_2=classify_losstarget2,y2,其中,loss_2表示第二损失函数,classify_loss为分类损失函数,y2表示模型的第二输出,target2为模型的第二期望输出;第二期望输出具体为:预测用户标签与训练数据完全无关,或者预测用户标签是根据训练数据得到的;分类损失函数至少包括0-1损失、交叉熵损失其中之一; 第二训练阶段的损失函数计算公式具体如下: loss_3=rank_lossy2_w; 其中,loss_3表示第三损失函数,rank_loss表示排序损失,y2_w表示多个第二输出,且w∈N*,N*表示正整数集。

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厦门鹅卵石网络科技有限公司,其通讯地址为:361000 福建省厦门市软件园二期观日路30号605A单元;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。