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！

龙图腾网获悉广东海洋大学申请的专利一种基于BERT模型的法律文本分析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：CN120012763B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510148674.4，技术领域涉及：G06F40/216；该发明授权一种基于BERT模型的法律文本分析方法是由林聪;陈晓蕾;许志平设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种基于BERT模型的法律文本分析方法在说明书摘要公布了：本发明公开了一种基于BERT模型的法律文本分析方法，属于数据分析技术领域，包括以下步骤：S1、采集原始输入样本，将原始输入样本输入至BERT模型中，对BERT模型进行更新；S2、根据原始输入样本生成对抗样本；S3、将原始输入样本和对抗样本输入至更新后BERT模型中，进行LMI调整，得到原始输入样本的分类结果。本发明缓解数据不均衡带来的性能下降，同时提高低频罪名的预测准确性，并有效减少易混淆罪名之间的干扰，从而提升整体预测性能。

本发明授权一种基于BERT模型的法律文本分析方法在权利要求书中公布了：1.一种基于BERT模型的法律文本分析方法，其特征在于，包括以下步骤： S1、采集原始输入样本，将原始输入样本输入至BERT模型中，对BERT模型进行更新； S2、根据原始输入样本生成对抗样本； S3、将原始输入样本和对抗样本输入至更新后BERT模型中，进行LMI调整，得到原始输入样本的分类结果； 所述S1包括以下子步骤： S11、采集原始输入样本，确定BERT模型对原始输入样本的预测概率； S12、根据原始输入样本的预测概率，生成交叉熵损失函数； S13、基于交叉熵损失函数，采用梯度下降法更新BERT模型的参数； 所述S11中，原始输入样本的预测概率的计算公式为： ； 式中，表示原始输入样本的第类标签的得分值，表示原始输入样本的第类标签的得分值，表示指数函数，表示标签数量； 所述S12中，交叉熵损失函数的表达式为： ； 式中，表示原始输入样本的预测概率，表示对数函数，表示标签数量，表示第类标签的指示函数； 所述S13中，更新BERT模型的参数的计算公式为： ； 式中，表示损失函数，表示第次更新的参数，表示第次更新的参数，表示学习率； 所述S3中，原始输入样本的分类结果的计算公式为： ； 式中，表示原始输入样本的得分值； 对当前最高的Logit值进行动态调整，采用如下公式对最高Logits值L1进行调整：；其中，表示调整后的最高Logit值，表示当前最高的Logit值，表示当前次高的Logit值，表示稳定因子； 函数的作用是根据的差值动态调节调整幅度，调整逻辑如下： 1差值小于第一设定阈值的情况：当小于设定阈值时，说明当前分类结果中两个类别高度混淆，这种情况下，的值小于对应的阈值，避免因简单地选取所代表的类别而导致误分类，的值主要由决定，从而减小混淆对分类决策的影响； 2差值大于或等于第一设定阈值且小于或等于第二设定阈值的情况：当大于或等于第一设定阈值且小于或等于第二设定阈值时，的值随着差值增大而增大，此时，调整后的值会被拉高，从而进一步扩大和的差距，两个类别的区分性就会越大从而增强分类模型的判别能力； 3差值大于设定第二阈值的情况：当大于第二设定阈值时，表示两个类别的区分度大于区分度阈值，无需额外调整，此时，的值随着差值增大逐渐减小。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路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。