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！

龙图腾网恭喜中国人民解放军国防科技大学申请的专利基于深度条件分布对齐的信息迁移学习方法、装置和设备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：CN119558380B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510113738.7，技术领域涉及：G06N3/096；该发明授权基于深度条件分布对齐的信息迁移学习方法、装置和设备是由项凤涛;黎拓新;陈君海;张晓博;罗翔宇;张万鹏设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本基于深度条件分布对齐的信息迁移学习方法、装置和设备在说明书摘要公布了：本申请涉及一种基于深度条件分布对齐的信息迁移学习方法、装置和设备。该方包括：构建用于新闻真假鉴别的基本模型，采用源域新闻数据集对基本模型进行有监督训练，得到源域新闻数据的预测输出；根据目标域新闻数据集和基本模型，确定目标域的伪标签和高置信度样本；根据源域新闻数据的预测输出、目标域的伪标签以及源域和目标域新闻数据集，计算条件最大均值差异损失、交叉熵损失以及互信息损失，确定基本模型的总学习损失；根据总学习损失对基本模型进行训练；采用训练好的基本模型对目标域新闻数据样本进行处理，得到目标域新闻数据鉴别结果。本方法增强了训练的鲁棒性和稳定性，提高了模型关于真假鉴别任务的稳定性和有效性。

本发明授权基于深度条件分布对齐的信息迁移学习方法、装置和设备在权利要求书中公布了：1.一种基于深度条件分布对齐的信息迁移学习方法，其特征在于，所述方法包括：获取新闻真假鉴别任务的源域新闻数据集和目标域新闻数据集；源域和目标域新闻数据集中样本的数据格式均为文本数据；构建用于新闻真假鉴别的基本模型，采用所述源域新闻数据集对所述基本模型进行有监督训练，得到源域新闻数据的预测输出；根据所述目标域新闻数据集和所述基本模型，确定目标域的伪标签和高置信度样本；根据所述源域新闻数据集、所述目标域新闻数据集、源域新闻数据的预测输出以及目标域的伪标签，计算条件最大均值差异损失、交叉熵损失以及互信息损失；根据所述条件最大均值差异损失、所述交叉熵损失以及所述互信息损失，确定基本模型的总学习损失；根据所述总学习损失对所述基本模型进行训练，并更新基本模型的参数；采用参数更新后的基本模型对目标域新闻数据样本进行真假鉴别，得到目标域新闻数据鉴别结果；其中，根据所述目标域新闻数据集和所述基本模型，确定目标域的伪标签和高置信度样本，包括：根据所述目标域新闻数据集和所述基本模型，确定样本的伪标签；所述伪标签的集合为： 其中，表示伪标签的集合，为目标域新闻数据集中第c个目标域的第i个样本，为基本模型的输出；为目标域新闻数据集中的样本总数量，c为目标域的编号，C为目标域的总数量；对目标域内置信度高于预设值的样本赋予该目标域对应的伪标签；其中，计算条件最大均值差异损失的过程包括：将源域新闻数据集中的样本和对应标签采用非线性映射函数映射到希尔伯特空间，得到源域条件特征；将目标源新闻数据集中的样本和目标域的伪标签采用非线性映射函数映射到希尔伯特空间，得到目标域条件特征；根据所述源域条件特征和目标域条件特征，确定源域和目标域的条件嵌入；根据源域和目标域的条件嵌入，确定条件最大值分布差异损失为： 其中，为条件最大均值分布差异损失，和分别表示和的条件嵌入，为源域特征的希尔伯特空间映射，为源域样本标签的希尔伯特空间映射，表示核函数，是正项约束因子，为Frobenius范数。

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国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。