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！

龙图腾网获悉中国工商银行股份有限公司申请的专利超长文本的分类方法、装置、设备及存储介质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：CN117150013B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202311094610.8，技术领域涉及：G06F16/35；该发明授权超长文本的分类方法、装置、设备及存储介质是由卢健设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本超长文本的分类方法、装置、设备及存储介质在说明书摘要公布了：本申请提供一种超长文本的分类方法、装置、设备及存储介质。该方法涉及人工智能技术领域、金融科技领域或其他相关技术，包括：获得多个目标文本片段；任一目标文本片段中的部分片段与其相邻的目标文本片段的部分片段存在重叠；确定各目标文本片段对应的目标文本向量；将各目标文本向量输入至训练至收敛的文本分类模型，采用训练至收敛的文本分类模型获得目标超长文本的分类结果；训练至收敛的文本分类模型采用训练样本集对初始文本分类模型进行训练获得的，训练样本包括多个训练文本向量及其对应的实际分类子结果；多个训练文本片段是训练超长文本分割而成的；任一训练文本片段的部分片段与其相邻的训练文本片段的部分片段存在重叠。

本发明授权超长文本的分类方法、装置、设备及存储介质在权利要求书中公布了：1.一种超长文本的分类方法，其特征在于，所述方法包括： 获取待分类的目标超长文本； 对所述目标超长文本进行分割，以获得多个目标文本片段；所述多个目标文本片段的字符长度相同；任一所述目标文本片段中的部分片段与其相邻的目标文本片段的部分片段存在重叠；所述部分片段包括前部分片段及后部分片段的至少一种； 确定各目标文本片段对应的目标文本向量； 将各所述目标文本向量输入至训练至收敛的文本分类模型，采用所述训练至收敛的文本分类模型获得所述目标超长文本的分类结果；所述训练至收敛的文本分类模型采用训练样本集对初始文本分类模型进行训练获得，所述训练样本集中包括多个训练样本；所述训练样本包括多个训练文本向量及其对应的实际分类子结果；所述多个训练文本向量是基于所述多个训练文本片段获得的；所述多个训练文本片段是训练超长文本分割而成的；所述多个训练文本片段的字符长度相同；任一所述训练文本片段的部分片段与其相邻的训练文本片段的部分片段存在重叠；所述将各所述目标文本向量输入至训练至收敛的文本分类模型之前，还包括：采用训练样本集对初始文本分类模型进行训练； 所述采用训练样本集对初始文本分类模型进行训练，包括： 针对各训练样本的各训练文本向量，根据当前训练文本向量确定当前输入特征； 将当前输入特征输入至所述初始文本分类模型中，以获得当前输出特征； 响应于获得当前输出特征后，将排序在下一位的训练文本向量作为当前训练文本向量，并继续执行从根据当前训练文本向量确定当前输入特征到将当前输入特征输入至所述初始文本分类模型中的步骤，直到获得所有训练文本向量对应的输出特征； 根据各训练文本向量对应的输出特征确定是否满足预设收敛条件； 响应于满足预设收敛条件，将满足收敛条件的文本分类模型确定为训练至收敛的文本分类模型； 若所述当前训练文本向量不为排序在第一位的训练文本向量； 所述根据当前训练文本向量确定当前输入特征，包括： 将上一训练文本向量的输出特征以及当前训练文本向量输入至预设输入特征函数中，以获得输入特征结果； 将所述输入特征结果确定为当前输入特征； 所述将上一训练文本向量的输出特征以及当前训练文本向量输入至预设输入特征函数中，以获得输入特征结果，包括： 采用所述预设输入特征函数将上一训练文本向量的输出特征进行梯度分离，以获得梯度分离特征； 采用所述预设输入特征函数对所述梯度分离特征进行总结线性变换，以获得总结特征； 采用所述预设输入特征函数将所述总结特征与所述当前训练文本向量进行拼接，以获得输入特征结果。

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中国工商银行股份有限公司，其通讯地址为：100140 北京市西城区复兴门内大街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。