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！

龙图腾网获悉浙江慢慢买网络有限公司申请的专利基于大模型语义理解的商品特征自动提取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：CN120196935B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510688168.4，技术领域涉及：G06F18/213；该发明授权基于大模型语义理解的商品特征自动提取方法及系统是由华孟;刘清清;高松;李凯;张金领;黄达;蔡鲁祥;王亚洲;毛春杰设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本基于大模型语义理解的商品特征自动提取方法及系统在说明书摘要公布了：本发明属于数字化文本信息处理的技术领域，具体涉及基于大模型语义理解的商品特征自动提取方法及系统；利用已有的商品信息构建训练集和验证集，实现对商品信息的深度理解和语义提取，在特征校对时，将特征向量分为关键向量和非关键向量，重点分析商品特征的关键部分和非关键部分，并依据其重要性分配权重，进一步优化提取结果，动态捕捉特征向量在校对过程中的变化趋势，从而构建高效的小样本集合，帮助筛选出最优的特征提取模型，后续在提取新的商品特征时，可以依据特征的差异性，选择多步骤提取或者单步骤提取的方式，提高了特征提取的准确性和效率，在实际应用中，能够更快速、更准确地提取出符合需求的商品特征。

本发明授权基于大模型语义理解的商品特征自动提取方法及系统在权利要求书中公布了：1.基于大模型语义理解的商品特征自动提取方法，其特征在于，包括： S1、商品信息采集：获取已有商品的商品信息；其中，商品信息包括图片信息和文本簿信息； S2、图片语义编码聚类：将图片信息输入至预训练的大模型中，获取图片信息的深度特征，并对深度特征进行聚类处理，得到与各个已有商品相匹配的高维语义；包括： 将深度特征按照商品信息进行分类，再将同一类别中各个深度特征向量进行偏移操作，得到若干个基准特征向量； 获取基准聚类半径，并以基准特征向量为基准，测算各个深度特征向量与其之间的欧式距离，并标记为第一偏离量； 将第一偏离量与基准聚类半径进行比较，若第一偏离量大于或等于基准聚类半径，则将其对应的深度特征向量归类至其它类别，再依据与其它类别中的基准特征向量之间的欧式距离，匹配其所属其它类别； 若第一偏离量小于基准聚类半径，则表明其对应的深度特征向量与基准特征向量共同归属于同一类别； S3、模型微调校对优化：以高维语义为输入，对大模型进行多轮微调处理，并在每轮微调结束后执行校对操作，从而得到提取商品特征的目标模型； S4、目标商品语义映射特征匹配：将待提取商品的图片信息输入至目标模型中，得到待提取商品的高维语义，再将高维语义输入至目标模型中，匹配出与高维语义相对应的商品特征，并标记为待提取商品的可参考特征； S5、特征置信分析提取校验：将可参考特征汇总为待校验数据集，再将待校验数据集中的文本簿信息逐一输入至目标模型中，得到各个可参考特征的置信分数，并依据置信分数确定各个可参考特征的提取方式，再执行校验提取，得到待提取商品的各个可参考特征对应的关键特征；包括： 获取各个可参考特征的置信参数值，并依据各个置信参数确定可参考特征对应的特征编码，且将特征编码分为一阶编码和二阶编码； 执行第一比对模式，其中，第一比对模式包括： 获取全部特征编码的一阶编码，并比较待提取商品的前一待校验提取图像信息输出结果的特征编码与当前待校验图像信息输出结果的特征编码； 若提取前后特征编码一致，则输出二阶编码一致，即待提取商品的前一待校验提取图像信息输出结果与当前待校验图像信息输出结果一致； 若提取前后特征编码不一致，则输出二阶编码不一致，即待提取商品的前一待校验提取图像信息输出结果与当前待校验图像信息输出结果一致； 依据二阶编码的输出结果，执行对应的特征提取方式，其中，二阶编码一致时，根据待提取商品的商品级别确定是校验输出特征，二阶编码不一致时，提取相对较小置信参数的特征并输出为非关键提取特征，另一提取特征输出为关键提取特征。

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浙江慢慢买网络有限公司，其通讯地址为：310000 浙江省杭州市滨江区长河街道滨安路650号4幢七层701-2室；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”。