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
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 人民教育出版社有限公司吴云芳获国家专利权

人民教育出版社有限公司吴云芳获国家专利权

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!

龙图腾网获悉人民教育出版社有限公司申请的专利文本难度分级方法、装置和电子设备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:CN115238074B

龙图腾网通过国家知识产权局官网在2026-01-02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:202210878641.1,技术领域涉及:G06F16/35;该发明授权文本难度分级方法、装置和电子设备是由吴云芳;李文彪;王林;王迎兰设计研发完成,并于2022-07-25向国家知识产权局提交的专利申请。

文本难度分级方法、装置和电子设备在说明书摘要公布了:本发明提供一种文本难度分级方法、装置和电子设备,获取待识别文本,将待识别文本输入文本难度分级模型。文本难度分级模型包括局部识别网络和篇章识别网络,通过局部识别网络获取待识别文本对应的局部特征,通过篇章识别网络获取待识别文本对应的篇章特征,通过局部识别网络和篇章识别网络由局部到全局全方面对待识别文本进行解析识别并分级,最终输出待识别文本的文本难度级别。克服了现有技术中无法对长距离依赖关系进行捕捉以及分级不准确的缺陷,实现了对长文本进行准确的文本难度分级。

本发明授权文本难度分级方法、装置和电子设备在权利要求书中公布了:1.一种文本难度分级方法,其特征在于,包括: 获取待识别文本; 将所述待识别文本输入文本难度分级模型,输出所述待识别文本的文本难度级别; 其中,所述文本难度分级模型包括局部识别网络和篇章识别网络,所述局部识别网络用于获取所述待识别文本对应的局部特征,所述篇章识别网络用于获取所述待识别文本对应的篇章特征; 其中,所述文本难度分级模型是通过如下步骤得到,包括: 获取待识别文本样本以及对应的真实标签; 通过初始局部识别网络提取所述待识别文本样本的局部特征样本; 通过初始篇章识别网络对所述局部特征样本进行处理,得到所述待识别文本样本的篇章特征样本; 将所述篇章特征样本进行线性变换和归一化,得到文本难度概率分布样本; 根据所述文本难度概率分布样本和所述真实标签计算损失函数; 根据所述损失函数迭代更新所述初始局部识别网络的参数以及所述初始篇章识别网络的参数,将迭代更新后的初始局部识别网络确定为所述局部识别网络,将迭代更新后的所述初始篇章识别网络确定为所述篇章识别网络; 其中,所述初始局部识别网络包括变长卷积层和块结构; 所述通过初始局部识别网络提取所述待识别文本样本的局部特征样本,包括: 根据所述待识别文本样本确定待识别文本序列样本; 通过所述变长卷积层对所述待识别文本序列样本进行卷积和拼接,得到变长卷积层输出特征样本; 通过所述块结构对所述变长卷积层输出特征样本进行迭代池化卷积,得到特征图样本; 将所述特征图样本的通道维度和高度维度进行交换,得到所述局部特征样本; 其中,所述初始篇章识别网络包括双向长短期记忆网络; 所述通过初始篇章识别网络对所述局部特征样本进行处理,得到所述待识别文本样本的篇章特征样本,包括: 将所述局部特征样本输入所述双向长短期记忆网络,得到多个时刻对应的正向隐层向量样本和反向隐层向量样本; 根据所述多个时刻对应的正向隐层向量样本和反向隐层向量样本确定所述篇章特征样本。

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人民教育出版社有限公司,其通讯地址为:100081 北京市海淀区中关村南大街17号院1号楼;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。