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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 中国联合网络通信集团有限公司于向丽获国家专利权

中国联合网络通信集团有限公司于向丽获国家专利权

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!

龙图腾网获悉中国联合网络通信集团有限公司申请的专利意见分类模型训练方法、意见分类方法、装置及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:CN117194664B

龙图腾网通过国家知识产权局官网在2025-09-09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:202311253073.7,技术领域涉及:G06F16/35;该发明授权意见分类模型训练方法、意见分类方法、装置及介质是由于向丽;张媛媛设计研发完成,并于2023-09-26向国家知识产权局提交的专利申请。

意见分类模型训练方法、意见分类方法、装置及介质在说明书摘要公布了:本公开提供意见分类模型训练方法、意见分类方法、装置及介质,涉及数据技术领域,解决如何充分挖掘用户反馈意见中的有效信息的问题,所述训练方法包括:获取包括多条历史意见分类数据的训练集,每条历史意见分类数据包括:历史意见分词特征向量、实际问题类别向量和实际情感类别向量;以训练集中的历史意见分词特征向量作为迭代意见分类模型的训练输入,获得训练输出问题类别向量和训练输出情感类别向量,以损失函数计算训练输出问题类别向量和训练输出情感类别向量与实际问题类别向量和实际情感类别向量之间的平均损失,以优化算法控制意见分类模型的参数更新和迭代,以使平均损失逐步减小,直至达到训练结束条件,获得训练后意见分类模型。

本发明授权意见分类模型训练方法、意见分类方法、装置及介质在权利要求书中公布了:1.一种意见分类模型训练方法,其特征在于,包括: 获取包括多条历史意见分类数据的训练集,每条历史意见分类数据包括:历史意见分词特征向量、实际问题类别向量和实际情感类别向量,具体包括: 对历史意见文本标注问题类别和情感类别, 对每条历史意见文本进行分词特征提取,以获得历史意见分词特征向量, 根据问题类别和情感类别的数量n和m,对应每个历史意见分词特征向量对标注的问题类别和情感类别所在的维度赋值为a,其余维度赋值为b,a≠b,获得n维实际问题类别向量和m维实际情感类别向量, 组合每个历史意见分词特征向量和对应的实际问题类别向量和实际情感类别向量,以获得每条历史意见分类数据, 将全部历史意见分类数据分为训练集和测试集; 以训练集中的历史意见分词特征向量作为迭代意见分类模型的训练输入,获得训练输出问题类别向量和训练输出情感类别向量, 以损失函数计算训练输出问题类别向量和训练输出情感类别向量与实际问题类别向量和实际情感类别向量之间的平均损失,具体包括: 根据下式计算每次训练的交叉熵平均损失loss: loss=-1k*n+m*∑y*logy_pred+1-y*log1-y_pred 此时a=1,b=0,式中:k是训练集中历史意见分类数据的数量,y是实际问题类别向量和实际情感类别向量的每一维,y_pred是训练输出问题类别向量和训练输出情感类别向量对应y的每一维, 以优化算法控制意见分类模型的参数更新和迭代,以使平均损失逐步减小,具体包括: 沿使平均损失减小的梯度方向,根据下式获得意见分类模型的更新参数new_weight: new_weight=weight-learning_rate*gradient 式中:weight是当前权重的值,gradient是损失函数对权重的梯度,learning_rate是学习率, 使用new_weight更新下一次迭代训练使用的意见分类模型, 直至达到训练结束条件,获得训练后意见分类模型。

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联合网络通信集团有限公司,其通讯地址为:100033 北京市西城区金融大街21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。