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！

龙图腾网获悉南京物浦大数据有限公司申请的专利一种基于文本分类模型的公平竞争审查辅助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：CN114860882B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210550470.X，技术领域涉及：G06F16/334；该发明授权一种基于文本分类模型的公平竞争审查辅助方法是由高永伟;汪洵;薛驭;罗昌志;周荣华设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本一种基于文本分类模型的公平竞争审查辅助方法在说明书摘要公布了：本发明公开了一种基于文本分类模型的公平竞争审查辅助方法，包括构建政府政策文本信息库，获取政府发布的政策文本，进行子类划分，采集不同的政策文本，构建预训练语言模型，通过专家对采集的政策文本进行标注数据，识别政策文本内专家标注的数据，对审查样本库内部的政策文本进行模型训练分析，根据训练分析结果对政策文本进行初筛和复核，统计不同政策文本的公平审查结果，对构建的模型进行信息迭代，旨在解决原有的相似度模型准确率不高，缺少语义理解的问题，根据政府的政策文书搭建模型实时训练数据，通过对文本的自主学习，得到文本的语义特征，利用该模型对待审查的政府政策文件进行分类审查，辅助专家进行判断，减少审查的人力成本。

本发明授权一种基于文本分类模型的公平竞争审查辅助方法在权利要求书中公布了：1.一种基于文本分类模型的公平竞争审查辅助方法，其特征在于： S1:构建政府政策文本信息库，获取政府发布的政策文本，对不同的政策文本进行关键词标记，按照不同的关键词进行分类，对分类后的政策文本按照发布时间、优先级、新增记录和文本有效性进行子类划分； S2：采集不同的政策文本，筛查不同政策文本是否存在专家标注数据，对不同的政策文本按照有专家标注数据和无专家标注数据进行分类，提取无专家标注数据的政策文本，进行预训练，构建预训练语言模型，预训练模型结构采用BERT模型结构； S3：通过专家对采集的政策文本进行标注数据，识别政策文本内专家标注的数据，对标注内容按照违反审查标准和不违反审查标准对提取出的政策文本进行分类，将分类后的政策文本按照类别录入审查样本库； 设定审查样本库内部有N个审查标准，添加不违反所有审查标准选项，设定审查样本库包括N+1个审查类别，设定预训练语言模型内部输入的某一政策文本为x，该文本长度为L，设定其所述类别为y，将输入参数转为one-hot向量化表示，设定模型输出维度为N+1，类别y对应所在维度值为1，预训练BERT模型对该政策文本每个字进行映射，将文本的每个字映射到一个512维的高维向量空间，该政策文本通过BERT模型处理转变为L×512的hidden向量； 对政策文本不同字的向量求平均值，将该政策文本表示为一个512维的text向量，利用一个全连接层+softmax，将text向量映射为概率向量prop，设定全连接层+softmax包含一个权重矩阵w，其维度设定为R512×N+1，其中，prop向量维度设定为N+1维度，prop向量的每个维度的值表示该政策文本属于这个维度所代表的审查类别的概率； 利用交叉熵损失函数计算得到预训练语言模型预测结果概率和真实结果的损失值，设定预测结果概率和真实结果的损失值为loss，利用反向传播去调整预训练语言模型参数，根据公式： x＝x1，x2...xL，y＝0....1....0 hidden＝Bertx，hidden∈RL×512 text＝averagehidden，text∈R1×512 prop＝softmaxw·text，w∈R512×N+1，prop∈R1×N+1 根据上述公式对输入的政策文本进行模型训练，直到损失值不再下降，搭建政策文本审查类别分类模型； S4：根据训练分析结果对政策文本进行初筛和复核，统计不同政策文本的公平审查结果，对构建的模型进行信息迭代。

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南京物浦大数据有限公司，其通讯地址为：210000 江苏省南京市建邺区嘉陵江东街18号3栋2层295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”。