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！

龙图腾网获悉西南财经大学申请的专利一种基于粒球计算的联邦文本开放意图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：CN120821849B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511334775.7，技术领域涉及：G06F16/35；该发明授权一种基于粒球计算的联邦文本开放意图分类方法是由杨新;张桀;李艳花;欧阳小草;王杨扬设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本一种基于粒球计算的联邦文本开放意图分类方法在说明书摘要公布了：本发明公开了一种基于粒球计算的联邦文本开放意图分类方法，包括顺次完成的客户端训练步骤、服务端聚合步骤、客户端分类步骤，客户端训练步骤将得到的预训练语言模型参数和本地粒球知识库上传至服务器；服务端聚合步骤构建得到全局模型和全局粒球知识库，下发至各客户端；客户端分类步骤将待分类样本输入至全局模型，得到全局特征；并将全局特征与全局粒球知识库进行比较，实现意图分类。本发明在客户端构建粒球结构化知识以实现高效的表征学习，并在服务器端聚合模型与知识以支持全局推理与开放识别适用于多客户端、多源异构文本数据的隐私保护场景，在用户数据无法集中汇总的前提下，仍可实现对已知意图的准确识别与对未知意图的有效拒识。

本发明授权一种基于粒球计算的联邦文本开放意图分类方法在权利要求书中公布了：1.一种基于粒球计算的联邦文本开放意图分类方法，其特征在于：包括顺次完成的客户端训练步骤、服务端聚合步骤、客户端分类步骤，所述客户端训练步骤包括以下子步骤： S11：利用预训练语言模型提取本地训练集的样本特征，得到包含样本的特征矢量和样本的类别标签的真实样本集； S12：利用无监督粒球聚类的方式对所述真实样本集进行建模，得到作为类别分布近似表达的第一粒球集合； S13：基于所述第一粒球集合构造伪未知样本，并将伪未知样本的类别标签统一赋予为未知意图类，得到伪未知样本集； S14：利用真实样本集和伪未知样本集对所述预训练语言模型进行本地训练，训练完成后将得到的预训练语言模型参数和作为本地粒球知识库的第一粒球集合上传至服务器； 所述服务端聚合步骤包括以下子步骤： S21：将各客户端上传的预训练语言模型参数进行聚合，构建得到全局模型； S22：将各客户端上传的本地粒球知识库进行聚合，构建得到全局粒球知识库； S23：将全局模型和全局粒球知识库下发至各客户端； 所述客户端分类步骤包括以下子步骤： S31：将待分类样本输入至所述全局模型，得到全局特征； S32：将全局特征与所述全局粒球知识库进行比较，实现意图分类； 步骤S13中，基于所述第一粒球集合构造伪未知样本，并将伪未知样本的类别标签统一赋予为未知意图类，得到伪未知样本集，包括： S131：候选样本初始化，包括： 对第一粒球集合中任意两个标签不同的粒球对，计算两者质心的中点作为伪未知样本初始表示： ； 并将上述所有中点作为候选样本组成初始候选集合； S132：遗传进化与多样性增强，包括： 保留当前适应度最高的候选样本；执行交叉操作生成新样本；对候选样本加入高斯噪声以模拟变异： ； 式中，t表示当前遗传算法的进化代数，表示均值为零矢量、协方差矩阵为σ2乘以单位矩阵I的多维高斯分布，是在第t代通过对初始候选与及后代不断施加交叉、选择以及加入高斯噪声的变异操作后得到的进化过程结果，即是第0代的起点，是第t代的后代表达； 每一代候选样本通过如下适应度函数进行适应度评价： ；越远离所有已知类原型的样本，得分越高，更可能表示真实的未知意图；式中，代表经过进化后的结果，是进化过程中，表示客户端c上所有已知类对应的粒球的个数，的适应度函数表示为候选样本与所有粒球质心中的最小距离； S133：筛选与标签赋值，包括： 保留所有适应度高于阈值、且满足如下条件的伪样本： ； 即伪样本必须处于所有粒球覆盖范围之外；最终从保留的伪样本中按适应度排名选取预设比例的伪样本构造为伪未知样本；并将伪未知样本的类别标签统一赋予为表示未知意图类的，参与后续训练。

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西南财经大学，其通讯地址为：611130 四川省成都市青羊区光华村街55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。