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！

龙图腾网获悉淮阴工学院申请的专利一种基于迁移学习和深度学习的多标签化工领域新闻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：CN116541525B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310514296.8，技术领域涉及：G06F16/35；该发明授权一种基于迁移学习和深度学习的多标签化工领域新闻分类方法是由陈剑洪;王建浩;刘津铭;陈天赐;徐豪;孙琦;唐宇诚;杨春莲;赵世伟;孙梦嘉设计研发完成，并于2023-05-09向国家知识产权局提交的专利申请。

本一种基于迁移学习和深度学习的多标签化工领域新闻分类方法在说明书摘要公布了：本发明公开了一种基于迁移学习和深度学习的多标签化工领域新闻分类方法，包括获取新闻数据；对新闻数据进行分段及添加标签，建立数据集序列M；将数据集序列M中每段文本转化为向量序列，获得每段文本的组合向量；选择预训练模型并利用组合向量进行训练，得到文本向量；利用迁移学习构建多标签化工新闻分类模型，以捕捉文本向量中局部的特征和全局的语义信息；对多标签化工新闻分类模型进行优化；对多标签化工新闻分类模型进行性能分析。本发明解决了现有技术中新闻分类方法存在无法实现多标签的分类任务或对于多标签分类任务表现不佳、需要大量文本数据来进行训练、需要较大的存储空间来存储词向量的问题。

本发明授权一种基于迁移学习和深度学习的多标签化工领域新闻分类方法在权利要求书中公布了：1.一种基于迁移学习和深度学习的多标签化工领域新闻分类方法，其特征在于，包括以下步骤： 步骤S1：获取新闻数据； 步骤S2：对新闻数据进行分段及添加标签，建立数据集序列M； 步骤S3：将数据集序列M中每段文本转化为向量序列，获得每段文本的组合向量； 步骤S4：选择预训练模型并利用组合向量进行训练，得到文本向量； 步骤S5：利用迁移学习构建多标签化工新闻分类模型，以捕捉文本向量中局部的特征和全局的语义信息； 步骤S6：对多标签化工新闻分类模型进行优化； 步骤S7：对多标签化工新闻分类模型进行性能分析； 步骤S5所述的构建多标签化工新闻分类模型，是指在CNN神经网络模型中添加卷积层和池化层，构建多标签化工新闻分类模型，以捕捉文本向量中局部的特征和全局的语义信息，包括以下子步骤： 步骤S501：将文本向量作为输入特征向量，维度为[batch_size,sequence_length,hidden_size]，其中batch_size为批量大小，sequence_length为序列长度，hidden_size为文本向量维度； 步骤S502：在CNN神经网络模型中添加3个卷积层，分别是Conv1，Conv2，Conv3，对文本向量进行卷积操作，提取局部特征，卷积层的输出维度为[batch_size,sequence_length-filter_size+1,num_filters]，其中filter_size为卷积核大小，num_filters为卷积核个数； 步骤S503：在CNN神经网络模型中添加一个池化层，对每个卷积核的输出进行池化操作，提取卷积层输出的最大值，进一步压缩特征维度； 步骤S504：重复上述步骤S501至S503的操作，直到提取出所有文本向量的特征信息和全局的语义信息。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市清江浦区枚乘东路1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。