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！

龙图腾网获悉电子科技大学申请的专利基于深度学习的多标签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：CN116821340B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310792349.2，技术领域涉及：G06F16/35；该发明授权基于深度学习的多标签文本分类方法是由李建平;高源;陈佳;陈丽熹设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于深度学习的多标签文本分类方法在说明书摘要公布了：本发明涉及多标签文本分类技术领域，具体为一种基于深度学习的多标签文本分类方法，本方法中构建了基于图卷积和交叉注意力的多标签文本分类模型，该模型包括词嵌入模块、基于结构化自注意力的文本表示模块、基于图卷积的标签特征优化模块、交叉注意力模块、语义融合模块和分类模块。本方案基于该模型获得文档文本表示和融合标签相关性的标签文本表示，由于两种文本都有不同的侧重点，基于自注意力机制的文档文本表示关注了文本的整体语义，而基于图卷积网络融合标签语义的标签文本表示则更关注标签本身和标签之间的关系。本方案基于门控机制进行特征融合，对这两种文本表示进行加权计算，获得更加全面的文本表示特征，提升了模型的分类能力。

本发明授权基于深度学习的多标签文本分类方法在权利要求书中公布了：1.基于深度学习的多标签文本分类方法，其特征在于，包括步骤： S1：对训练集的语料库进行词向量训练； S2：基于Bi-LSTM模型学习文档文本中的每个单词的词向量，通过结构化自注意力机制提取文本中的高级语义，获得文档文本表示； S3：通过图卷积网络优化标签特征； S4：基于交叉注意力机制对Bi-LSTM模型输出的文本语义特征和图卷积网络输出的标签特征进行信息交互，获得标签文本表示； S5：通过加权计算取得最终文本表示； S6：将最终文本表示经过池化后传入全连接层，进行标签维度向量的线性映射，计算标签的预测概率； 所述结构化自注意力机制的计算过程包括步骤： S2021：确定Bi-LSTM中各个隐藏状态对应的注意力权重： 式中，为权重矩阵，为维度为的权重矩阵，是维度为的参数向量； S2022：将的维度进行拓展，转化为维度的权重矩阵： 也即，最终文本向量，表示形式 所述S3包括步骤： S301：基于标签共现的先验知识构建标签图： 式中，为一个的标签共现矩阵，为标签的邻接矩阵，为标签的频数向量，设，则为第个标签的频数，中每个元素即为存在第个标签时，同时存在第个标签的概率； S302：通过图卷积网络优化标签特征。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。