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！

龙图腾网获悉重庆邮电大学申请的专利一种基于改进粒子群算法的文本分类方法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：CN115168591B 。

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：202210941615.9，技术领域涉及：G06F16/353；该发明授权一种基于改进粒子群算法的文本分类方法是由陈龙;黄嘉成设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本一种基于改进粒子群算法的文本分类方法在说明书摘要公布了：本发明属于文本分类领域，具体涉及一种基于改进粒子群算法的文本分类方法，获取原始情感语句文本数据集，对数据集中的原始情感语句文本打上类别标签；将原始情感语句文本数据集作为第一训练样本对双向长短时记忆神经网络进行训练，生成第一文本分类模型；根据原始情感语句文本构建无向图并通过改进的粒子群算法计算得出最优对抗样本；将原始情感语句文本数据集和最优对抗样本作为第二训练样本，对第一文本分类模型进行对抗训练，得到第二文本分类模型，将目标文本输入第二分类模型进行分类，输出分类结果，本方法扩展性强，可根据新发现的规则为无向图追加新的节点，提供更丰富的模型训练数据，提高模型分类的准确性。

本发明授权一种基于改进粒子群算法的文本分类方法在权利要求书中公布了：1.一种基于改进粒子群算法的文本分类方法，其特征在于，包括以下步骤： S1：获取原始情感语句文本数据集，对数据集中的原始情感语句文本打上类别标签； S2：将原始情感语句文本数据集作为第一训练样本对双向长短时记忆神经网络进行训练，生成第一文本分类模型； S3：根据原始情感语句文本构建无向图，根据无向图通过改进的粒子群算法计算得出最优对抗样本； 所述根据原始情感语句文本构建无向图包括以下步骤： S21：将原始情感语句文本进行分词处理，得到原始情感语句文本的原始分词集合其中，表示原始分词集合中第n个原始分词，n∈[1,N]，N表示原始分词集合中原始分词的数量； S22：将原始分词作为无向图的初始节点； S23：将原始分词的拼音、原始分词的英文翻译和原始分词的形近词作为初始节点的邻接节点； S24：将原始分词的同音词作为拼音节点的邻接节点；将原始分词的拼音字母组合作为拼音节点的邻接节点； S25：将原始分词的英语音译作为英文翻译节点的邻接节点，从而获得原始分词的无向图； 根据无向图通过改进的粒子群算法计算得出对抗样本的具体步骤包括： S31：将原始分词的无向图中所有节点均作为原始分词的可替换词，将原始分词集合xo中所有原始分词的可替换词依次按照位置进行组合得到原始情感语句文本的对抗样本集合，并将对抗样本集合作为对抗样本搜索空间； S32：将对抗样本搜索空间中的对抗样本输入第一文本分类模型得到第一文本分类模型对对抗样本类别标签的置信度； 所述最优对抗样本的计算过程具体包括： S321：根据原始分词无向图中的节点与初始节点之间的路径信息、以及对抗样本类别标签的置信度构建粒子群算法的得分函数； 所述粒子群算法的得分函数包括： 其中，xa表示对抗样本搜索空间中的一个对抗样本，代表xa中的第n个原始分词的可替换词，表示第n个原始分词的所有可替换词构成的集合；Cxa表示第一文本分类模型对xa的类别标签的置信度，代表xo和xa中所有原始分词的可替换词在无向图中的路径信息之和； S322：随机初始化粒子群中粒子的速度和位置； S323：通过得分函数计算粒子群中粒子的适应度值，当粒子的当前适应度值大于粒子的历史最佳适应度值时，用粒子的当前适应度值替换粒子的历史最佳适应度值，并将粒子当前位置记录为个体先前最优位置；当粒子的历史最佳适应度值大于群体粒子的历史最佳适应度值时，用粒子的历史最佳适应度值替换群体粒子的历史最佳适应度值，并将粒子当前位置记录为全局先前最优位置； S324：更新粒子的速度和位置； S325：重复步骤S323-S324，直至迭代结束，输出当前群体粒子的最佳适应度值，并根据当前群体粒子的最佳适应度值得出对抗样本搜索空间中的最优对抗样本； S33：利用改进的粒子群算法根据原始分词无向图中的节点与初始节点之间的路径信息、以及对抗样本类别标签的置信度从对抗样本搜索空间中计算得出最优对抗样本； S4：将原始情感语句文本数据集和最优对抗样本作为第二训练样本，对第一文本分类模型进行对抗训练，得到第二文本分类模型； S5：获取待分类的目标文本，将目标文本输入第二分类模型进行分类，输出分类结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。