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！

龙图腾网获悉四川省国土科学技术研究院(四川省卫星应用技术中心);西南交通大学申请的专利基于自然语言处理和深度学习算法的智能问答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：CN118981518B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410992678.6，技术领域涉及：G06F16/3329；该发明授权基于自然语言处理和深度学习算法的智能问答方法是由王勇;张鹏;朱国华;董宽林;郑晓莉;慎利设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本基于自然语言处理和深度学习算法的智能问答方法在说明书摘要公布了：本发明提供一种基于自然语言处理和深度学习算法的智能问答方法，通过获取某地区耕地的监测成果数据，分析耕地“非粮化”相关资源间的内在联系以及众多定量指标，确定耕地“非粮化”相关语义查询问题；进而构建耕地“非粮化”问句样本库与问句分类模型。本发明构建的RoBERTa‑DPCNN问句分类模型，立足于耕地“非粮化”相关监测数据的知识查询的语句表达形式，能准确高效地针对“非粮化”领域进行信息检索。

本发明授权基于自然语言处理和深度学习算法的智能问答方法在权利要求书中公布了：1.一种基于自然语言处理和深度学习算法的智能问答方法，其特征在于，包含以下步骤： 步骤一，获取某地区耕地的监测成果数据，分析耕地“非粮化”相关资源间的内在联系以及众多定量指标，确定耕地“非粮化”相关语义查询问题； 步骤二，采用BERT语言模型构建耕地“非粮化”问句样本库； 步骤三，构建问句分类模型，所述问句分类模型为RoBERTa-DPCNN模型，所述RoBERTa-DPCNN模型的核心架构包括文本输入层、词向量表示层、深度局部特征提取层以及输出层，所述深度局部特征提取层采用深度金字塔卷积神经网络DPCNN对深度局部特征表示层进行特征信息的深入提取，所述RoBERTa-DPCNN模型以预训练语言模型RoBERTa为基础，每次训练迭代中随机选择一部分token进行掩码，将RoBERTa模型提取的特征送入DPCNN模型中，进一步提取句子的深度局部特征，然后借助全连接层处理所得词向量，运用Softmax函数实现对问句的类型判别，并输出分类结果，然后借助全连接层处理所得词向量，运用Softmax函数实现对问句的类型判别，并输出分类结果； 所述RoBERTa-DPCNN模型的训练与参数调优过程包括以下步骤：根据耕地“非粮化”问句分类构建问句训练样本库；构建训练数据，在保持问句样本库的原貌基础上，依据7:3比例划分训练集与测试集；加载RoBERTa-large预训练模型在大规模文本数据上进行预训练，并在问句文本数据上进行微调；对RoBERTa-DPCNN模型开展深入的训练及参数调优；对RoBERTa-DPCNN模型的问句分类任务性能评估分析； DPCNN的网络架构区域嵌入层设计多种尺寸的卷积滤波器，通过卷积操作对输入的文本数据执行单词向量编码，其模型结构中，包括两个卷积块，每个块均由两层卷积层组成，并采用预激活技术以优化性能； RoBERTa-DPCNN问句分类模型的训练与参数调优过程包括： 根据耕地“非粮化”问句分类构建问句训练样本库； 构建训练数据，在保持问句样本库的原貌基础上，依据7:3比例划分训练集与测试集； 加载RoBERTa-large预训练模型在大规模文本数据上进行预训练，并在自己的问句文本数据上进行微调； 对RoBERTa-DPCNN模型开展深入的训练及参数调优工作； 对RoBERTa-DPCNN模型的问句分类任务的性能评估分析。

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四川省国土科学技术研究院(四川省卫星应用技术中心);西南交通大学，其通讯地址为：610072 四川省成都市武侯区万丰路189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”。

以上内容由龙图腾AI智能生成。