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！

龙图腾网获悉辰光安易(北京)科技有限公司申请的专利基于大模型索引识别的数字档案分类查询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：CN120104853B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202510173119.7，技术领域涉及：G06F16/906；该发明授权基于大模型索引识别的数字档案分类查询方法是由吴霞;王维广设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本基于大模型索引识别的数字档案分类查询方法在说明书摘要公布了：本发明涉及信息技术领域，公开了基于大模型索引识别的数字档案分类查询方法，方法包括通过多模态数据的采集与处理，生成统一的特征表示；基于特征融合方法优化多模态数据的信息表达；利用动态验证机制提高数据特征的一致性和分类结果的准确性；将优化后的特征通过降维方法嵌入低维语义空间，生成分类标签；构建支持查询与反馈优化的向量索引，所述多模态数据的采集包括以下步骤：采集文本数据，采集图像数据。通过卷积神经网络对图像数据进行特征提取通过多模态数据的采集与处理，实现了文本、图像、音频及结构化数值数据的统一特征表示，有效解决了现有技术中数据来源单一及特征表达不一致的问题。

本发明授权基于大模型索引识别的数字档案分类查询方法在权利要求书中公布了：1.基于大模型索引识别的数字档案分类查询方法，其特征在于，包括以下步骤： 通过多模态数据的采集与处理，生成统一的特征表示； 基于特征融合方法优化多模态数据的信息表达； 利用动态验证机制提高数据特征的一致性和分类结果的准确性； 将优化后的特征通过降维方法嵌入低维语义空间，生成分类标签； 构建支持查询与反馈优化的向量索引； 所述利用动态验证机制包括以下步骤： 模态一致性验证： 通过计算不同模态特征和在目标分类上的预测差异，优化模态间的一致性，定义损失函数为： ； 其中，表示模态和的特征表示，表示分类函数，表示欧式距离； 模态互补性验证： 评估每个模态特征对目标分类的独立贡献，定义互补性损失函数为： ； 其中，表示模态特征与目标分类的互信息，为权衡因子； 动态权重调整： 根据各模态特征与目标分类的相关性更新模态权重，更新公式为： ； 其中，表示模态次迭代中的权重，表示模态在第次迭代中的权重，表示所有模态特征与分类目标的总互信息； 综合优化目标函数： 将一致性验证、互补性验证和动态权重调整结合，最终优化目标为： ； 其中，表示动态验证机制的综合优化目标函数，表示模态一致性验证的损失函数，用于最小化不同模态特征在分类目标预测结果上的差异，表示模态互补性验证的损失函数，用于评估每个模态特征的独立贡献； 所述降维方法包括以下步骤： 构建高维特征数据点的邻域关系，通过计算数据点间的相似性确定每个数据点的邻域： 在保持邻域关系的基础上，将高维特征映射至低维空间，生成低维嵌入特征； 优化降维过程，确保低维嵌入特征能够保留高维数据的全局结构和语义一致性； 通过对低维嵌入特征进行向量化存储与索引，构建向量索引库； 所述构建支持查询与反馈优化包括以下步骤： 采集用户对分类查询结果的反馈信息，将反馈信息作为新增样本输入模型； 通过反馈样本对动态分类标签生成模块进行优化，调整分类标签以更准确反映用户需求； 利用反馈样本更新特征融合模块，提升多模态数据特征表示的准确性和分类效果； 对低维向量索引库进行动态调整，使新增样本和优化特征能够实时更新至查询系统，确保查询结果的动态性与准确性。

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辰光安易(北京)科技有限公司，其通讯地址为：100089 北京市海淀区北清路68号院24号楼A座4层0054；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。