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！

龙图腾网获悉中国兵工物资集团有限公司申请的专利一种企业级智能文本校对系统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：CN120975043B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511090342.1，技术领域涉及：G06F40/16；该发明授权一种企业级智能文本校对系统是由吴波;翟希辰;周剑桥;袁文博;张烜通;王皓宇;钱琦;闫凯翔设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本一种企业级智能文本校对系统在说明书摘要公布了：本发明涉及一种企业级智能文本校对系统，属于企业数据管理技术领域，解决了现有方法企业知识管理库的入库文本质量难以得到有效保障的技术问题。包括文本输入与检索模块，用于接收待校对文本并支持多格式输入与草稿暂存；文本语境识别模块，利用训练好的文本语境识别模型识别所述待校对文本所属的语境类别；自定义规则配置模块，用于自定义规则并动态加载至智能文本校对模块；智能文本校对模块，利用训练好的多通路互校对模型、所述语境类别以及自定义规则，对所述待校对文本进行校对，得到校对结果；校对结果输出模块，用于所述校对结果进行逐字加权投票，生成最终校对文本。实现了企业知识管理库知识文本的高质量内容维护。

本发明授权一种企业级智能文本校对系统在权利要求书中公布了：1.一种企业级智能文本校对系统，其特征在于，包括： 文本输入与检索模块，用于接收待校对文本并支持多格式输入与草稿暂存； 文本语境识别模块，利用训练好的文本语境识别模型识别所述待校对文本所属的语境类别； 所述文本语境识别模型依次包括输入层、上下文双向卷积层、最大池化层和全连接分类层； 所述输入层，用于将待校对文本向量化，得到待校对文本对应的词向量矩阵； 所述上下文双向卷积层，用于利用正向卷积核对所述词向量矩阵进行卷积得到正向特征图；利用逆向卷积核对所述词向量矩阵进行卷积得到逆向特征图；基于所述正向特征图和逆向特征图得到门控参数，基于所述门控参数得到融合特征图； 所述最大池化层，用于通过对每个卷积核输出的融合特征图滑动窗口，并在窗口内选择最大值，生成对应的固定长度的特征向量； 所述全连接分类层，用于拼接每个卷积核对应的固定长度的特征向量为全局特征向量，将所述全局特征向量进行全连接分类，输出语境分类概率，基于所述语境分类概率得到语境分类结果； 自定义规则配置模块，用于自定义规则并动态加载至智能文本校对模块； 智能文本校对模块，利用训练好的多通路互校对模型、所述语境类别以及自定义规则，对所述待校对文本进行校对，得到校对结果； 构建并行编码的多通路互校对模型，包括并列的第一互校对通路、第二互校对通路和第三互校对通路； 所述第一互校对通路，依次包括第一编码器、第一跨模型注意力层和T5解码器，所述第一编码器包括并行编码的BERT编码器和Seq2Seq编码器；所述第一跨模型注意力层用于基于所述BERT编码器和Seq2Seq编码器的编码结果的重要性进行加权融合得到加权后的第一编码特征；所述T5解码器用于对所述第一编码特征进行解码得到第一校对结果； 所述第二互校对通路，依次包括第二编码器、第二跨模型注意力层和Seq2Seq解码器，所述第二编码器包括并行编码的BERT编码器和T5编码器；所述第二跨模型注意力层用于基于所述BERT编码器和T5编码器的编码结果的重要性进行加权融合，得到加权后的第二编码特征；所述Seq2Seq解码器用于对所述第二编码特征进行解码得到第二校对结果； 所述第三互校对通路，依次包括第三编码器、第三跨模型注意力层和BERT分类器，所述第三编码器包括并行编码的Seq2Seq编码器和T5编码器；所述第三跨模型注意力层用于基于所述Seq2Seq编码器和T5编码器的编码结果的重要性进行加权融合，得到加权后的第三编码特征；所述BERT分类器用于对所述第三编码特征进行分类得到第三校对结果； 校对结果输出模块，用于所述校对结果进行逐字加权投票，生成最终校对文本。

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中国兵工物资集团有限公司，其通讯地址为：100089 北京市海淀区车道沟10号院科技1号楼二至五层；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。