Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜江西财经大学刘德喜获国家专利权

恭喜江西财经大学刘德喜获国家专利权

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!

龙图腾网恭喜江西财经大学申请的专利面向在线心理支持的自动文本摘要方法与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:CN118939796B

龙图腾网通过国家知识产权局官网在2025-03-25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:202411436061.2,技术领域涉及:G06F16/34;该发明授权面向在线心理支持的自动文本摘要方法与系统是由刘德喜;饶佳;赵芸;万齐智;刘喜平;钱铁云;姬东鸿设计研发完成,并于2024-10-15向国家知识产权局提交的专利申请。

面向在线心理支持的自动文本摘要方法与系统在说明书摘要公布了:本发明提出一种面向在线心理支持的自动文本摘要方法与系统,该方法基于BART模型,将BART模型中的双向编码器和自回归解码器的注意力机制替换为分散注意力机制,并在解码器的输出部分采用并行的方式添加语言模型头和分类头,得到自动文本摘要模型。通过多任务联合训练的方式,同时执行主题分类任务和文本摘要生成任务对自动文本摘要模型进行训练,得到训练后的自动文本摘要模型,利用训练后的自动文本摘要模型实现自动文本摘要生成。本发明通过多任务联合训练的方式,使得模型有效识别并利用文本中的关键主题词,从而提升摘要的相关性和信息准确性。此外,分散注意力机制可以促使模型更多地生成新词来形成摘要,提高了摘要的整体质量。

本发明授权面向在线心理支持的自动文本摘要方法与系统在权利要求书中公布了:1.一种面向在线心理支持的自动文本摘要方法,其特征在于,所述方法包括如下步骤:步骤1、基于BART模型,将BART模型中的双向编码器和自回归解码器的注意力机制替换为分散注意力机制,并在解码器的输出部分采用并行的方式添加语言模型头和分类头,得到自动文本摘要模型;步骤2、将文本输入自动文本摘要模型中,双向编码器基于分散注意力机制来捕捉输入的全局依赖关系,在分散注意力机制计算过程中,通过调节注意力的分布以提高不确定性,以实现分散注意力计算,得到编码结果;将编码结果输入自回归解码器,基于分散注意力机制,以从更多的上下文位置中获得信息,得到编码结果;步骤3、将编码结果输入语言模型头,获取回答文本;步骤4、通过自回归的方式重复步骤2和步骤3逐步获取回答文本,得到文本摘要,实现自动文本摘要生成子任务;将自回归解码器在自回归过程中的最终编码结果送入分类结果,得到分类结果,实现主题分类子任务;步骤5、获取数据集,通过多任务联合训练的方式,同时执行主题分类任务和文本摘要生成任务对自动文本摘要模型进行训练,得到训练后的自动文本摘要模型,利用训练后的自动文本摘要模型实现自动文本摘要生成;在所述步骤5中,获取数据集,通过多任务联合训练的方式,同时执行主题分类任务和文本摘要生成任务对自动文本摘要模型进行训练,得到训练后的自动文本摘要模型的方法具体包括如下步骤:通过数据爬取获取文本数据,并将获取的文本数据进行预处理,构建数据集,数据集包含参考摘要、主题词和求助帖;将求助帖输入自动文本摘要模型获取文本摘要,利用参考摘要和文本摘要构建自动文本摘要生成子任务损失函数,对应的过程存在如下关系式: ;其中,表示自动文本摘要任务损失;将求助帖输入自动文本摘要模型获取分类结果,利用分类结果和主题词构建主题分类子任务损失函数,对应的过程存在如下关系式: ;其中,表示主题分类子任务损失,表示主题词;对自动文本摘要生成子任务损失和主题分类子任务损失进行加权,以计算最终的目标损失,对应的过程存在如下关系式: ;其中,表示损失权重参数,表示最终的目标损失;通过最小化最终的目标损失优化自动文本摘要模型参数,以对自动文本摘要模型进行训练;其中,通过数据爬取获取文本数据,并将获取的文本数据进行预处理,构建数据集的方法具体包括如下步骤:首先要对网页结构进行分析,获取帖子的主题标签;在爬取问答板块数据时,根据主题标签对问题进行分类;利用Python的Xpath工具从网页中提取问题的标题和描述,爬取的数据将保存为CSV格式;对数据进行清洗,得到数据集。

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江西财经大学,其通讯地址为:330000 江西省南昌市经济技术开发区双港东大街169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”。

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。