Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 厦门市美亚柏科信息股份有限公司林修明获国家专利权

厦门市美亚柏科信息股份有限公司林修明获国家专利权

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!

龙图腾网获悉厦门市美亚柏科信息股份有限公司申请的专利一种利用单标签数据训练多标签模型的方法及装置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:CN115758148B

龙图腾网通过国家知识产权局官网在2025-10-21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:202211456763.8,技术领域涉及:G06F18/214;该发明授权一种利用单标签数据训练多标签模型的方法及装置是由林修明;张李钦;陈帅;吴文;林文楷;陈财设计研发完成,并于2022-11-21向国家知识产权局提交的专利申请。

一种利用单标签数据训练多标签模型的方法及装置在说明书摘要公布了:本申请提出了一种利用单标签数据训练多标签模型的方法及装置,该方法包括以下步骤:S1、获取多标签数据集,多标签数据集包括初始正样本、初始负样本以及未标注样本;S2、基于混合模型判断未标注样本是否属于负样本,若属于则将未标注样本视为第一负样本,由第一负样本和初始负样本组成待训练负样本集;S3、基于二值交叉熵损失函数对初始正样本进行增强处理,获得待训练正样本集;以及S4、基于待训练负样本集和待训练正样本集训练神经网络模型,最终获得多标签模型。可以利用单标签数据集来完成多标签分类任务的训练,有效地节约了人工标记成本,在实际项目中可以实现多标签分类任务快速启动,也有利于下一步的模型优化。

本发明授权一种利用单标签数据训练多标签模型的方法及装置在权利要求书中公布了:1.一种利用单标签数据训练多标签模型的方法,其特征在于,包括以下步骤: S1、获取多标签数据集,所述多标签数据集包括初始正样本、初始负样本以及未标注样本; S2、基于混合模型判断所述未标注样本是否属于负样本,若属于则将所述未标注样本视为第一负样本,由所述第一负样本和所述初始负样本组成待训练负样本集;所述基于混合模型判断所述未标注样本是否属于负样本,具体采用以下子步骤进行概率计算: S21、采用贝塔混合模型计算所述多标签数据集中的未标注样本属于负样本的概率,并将神经网络使用的损失函数L归一化,具体表达式如下: 其中,L表示当前神经网络所使用的损失函数,λk表示混合模型中各个子分布k的对应混合系数,Γ·表示Gamma函数,α和β表示超参数; S22、采用期望最大化算法学习所述贝塔混合模型的参数; S23、获得每个样本i是否适合作为负样本的概率,表达式为: 其中,pLi|k表示第i个样本的当前神经网络模型的预测概率值, pk=λk,pL表示公式1; S3、基于二值交叉熵损失函数对所述初始正样本进行增强处理,获得待训练正样本集;所述基于二值交叉熵损失函数对所述初始正样本进行增强处理,表达式为: 其中,N表示类别总数,gqy表示加权函数,Lpos表示正样本的损失,Lneg表示负样本的损失; S4、基于所述待训练负样本集和所述待训练正样本集训练神经网络模型,最终获得多标签模型。

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厦门市美亚柏科信息股份有限公司,其通讯地址为:361000 福建省厦门市思明区软件园二期观日路12号102-402单元;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。

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。