買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京審計大學申請的專利一種基于會議報告的事件主題分類方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119271813B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411773899.0，技術領域涉及：G06F16/35；該發明授權一種基于會議報告的事件主題分類方法及系統是由張熠;麥丞程設計研發完成，并于2024-12-05向國家知識產權局提交的專利申請。

本一種基于會議報告的事件主題分類方法及系統在說明書摘要公布了：本發明涉及一種基于會議報告的事件主題分類方法及系統，屬于自然語言處理技術領域，解決了現有因文本特征提取不充分導致事件主題分類不準確的問題。方法包括：解析歷史會議報告得到事件文本集；對事件文本集中每個事件文本構建動態提示詞并傳入大模型，將對應得到的多條推理文本補入事件文本集中得到擴增文本集；利用擴增文本集訓練雙通道特征融合BERT模型，得到事件主題分類模型；雙通道特征融合BERT模型中的雙通道模塊包括多頭注意力機制通道和文本卷積通道；解析待預測的會議報告得到多條待預測事件，將每條待預測事件傳入事件主題分類模型中，預測出對應的事件主題類別。實現了對會議報告的事件主題類別的準確分類。

本發明授權一種基于會議報告的事件主題分類方法及系統在權利要求書中公布了：1.一種基于會議報告的事件主題分類方法，其特征在于，包括以下步驟：解析歷史會議報告得到事件文本集；對所述事件文本集中每個事件文本構建動態提示詞并傳入大模型，將對應得到的多條推理文本補入事件文本集中得到擴增文本集；對所述事件文本集中每個事件文本構建動態提示詞，包括：設定提示詞的角色和任務目標；通過第一占位符引入每個事件文本作為會議報告內容的樣例信息；基于所述樣例信息，設定文本生成規則和目標鼓勵，其中通過第二占位符引入當前事件文本被標注的事件主題類別；利用擴增文本集訓練雙通道特征融合BERT模型，得到事件主題分類模型；所述雙通道特征融合BERT模型中的雙通道模塊包括多頭注意力機制通道和文本卷積通道；解析待預測的會議報告得到多條待預測事件，將每條待預測事件傳入事件主題分類模型中，預測出對應的事件主題類別；所述雙通道特征融合BERT模型依次包括：BERT網絡、雙通道模塊、特征融合模塊和分類預測模塊；所述BERT網絡接收訓練文本，將最后一層文本特征向量輸入到雙通道模塊中，經過特征融合模塊對雙通道模塊中多頭注意力機制通道輸出的全局多維特征和文本卷積通道輸出的局部關鍵特征進行融合得到文本融合特征后，傳入分類預測模塊輸出事件主題類別；所述多頭注意力機制通道接收文本特征向量后依次經過多頭注意力子模塊和第一前向網絡子模塊，其中多頭注意力子模塊和第一前向網絡子模塊中均加入了殘差連接和層歸一化，輸出全局多維特征；所述文本卷積通道采用文本卷積神經網絡，所述文本卷積神經網絡依次包括：嵌入層、卷積層、最大池化層和特征整合層；所述嵌入層對接收的文本特征向量調整維度后，通過所述卷積層中多個不同大小的卷積核提取出多個卷積結果特征，所述最大池化層提取出每個卷積結果特征中的最大值后由所述特征整合層整合為局部關鍵特征；所述特征融合模塊將接收到的全局多維特征和局部關鍵特征傳入特征拼接子模塊，所述特征拼接子模塊通過向量拼接、向量對位減法和向量對位點乘得到高維特征后傳入第二前向網絡子模塊，所述第二前向網絡子模塊中加入了殘差連接和層歸一化，輸出文本融合特征；所述分類預測模塊將接收到的文本融合特征輸入到全連接層進行非線性操作后再經過softmax操作得到分類概率，取最大的分類概率對應的事件主題類別作為預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京審計大學，其通訊地址為：211899 江蘇省南京市浦口區江浦街道雨山西路86號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。