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！

龍圖騰網恭喜桂林電子科技大學申請的專利一種文本分類方法、裝置以及存儲介質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：CN114860930B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202210441429.9，技術領域涉及：G06F16/353；該發明授權一種文本分類方法、裝置以及存儲介質是由單禹辰;張紅梅;蔡曉東設計研發完成，并于2022-04-25向國家知識產權局提交的專利申請。

本一種文本分類方法、裝置以及存儲介質在說明書摘要公布了：本發明提供一種文本分類方法、裝置以及存儲介質，屬于文本分類領域，方法包括：S1：對多個原始文本數據進行劃分得到訓練集和測試集；S2：分別對訓練集和測試集進行數據預處理得到多個單詞訓練矩陣以及多個單詞測試矩陣；S3：分別對各個單詞訓練矩陣進行向量化處理得到詞向量矩陣；S4：構建訓練模型，根據多個詞向量矩陣對訓練模型進行訓練得到待測試模型；S5：根據多個單詞測試矩陣對待測試模型進行測試得到分類模型；S6：導入待分類文本數據，通過分類模型對待分類文本數據進行分類得到分類結果。本發明能夠突出文本中的關鍵信息，同時增強文本上下文語義信息，更準確的表示文本語義，從而提高了文本分類的準確度。

本發明授權一種文本分類方法、裝置以及存儲介質在權利要求書中公布了：1.一種文本分類方法，其特征在于，包括如下步驟：S1：導入多個原始文本數據，并對多個所述原始文本數據進行劃分，得到訓練集和測試集；S2：分別對所述訓練集和所述測試集進行數據預處理，得到與所述訓練集對應的多個單詞訓練矩陣以及與所述測試集對應的多個單詞測試矩陣；S3：分別對各個所述單詞訓練矩陣進行向量化處理，得到與各個所述單詞訓練矩陣對應的詞向量矩陣；S4：構建訓練模型，根據多個所述詞向量矩陣對所述訓練模型進行訓練，得到待測試模型；S5：根據多個所述單詞測試矩陣對所述待測試模型進行測試，得到分類模型；S6：導入待分類文本數據，通過所述分類模型對所述待分類文本數據進行分類，得到分類結果；所述訓練模型包括卷積神經網絡和雙向循環神經網絡，所述步驟S4的過程包括：通過所述卷積神經網絡分別對各個所述詞向量矩陣進行特征提取分析，得到與各個所述詞向量矩陣對應的局部特征向量；通過所述雙向循環神經網絡分別對各個所述詞向量矩陣進行目標隱藏層狀態向量的計算，得到與各個所述詞向量矩陣對應的多個目標隱藏層狀態向量；通過第一式分別對與各個所述詞向量矩陣對應的多個目標隱藏層狀態向量進行上下文語義向量的計算，得到與各個所述詞向量矩陣對應的上下文語義向量，所述第一式為： 其中，其中，ut＝tanhWwht+bw，其中，Fglobal為上下文語義向量，at為第t時刻單詞歸一化權重，ht為第t時刻的目標隱藏層狀態向量，uw為詞級上下文向量，ut為第t時刻單詞詞向量，為ut的轉置，Ww為可訓練參數，bw為偏置項；分別對各個所述上下文語義向量進行句子語義特征的計算，得到與各個所述詞向量矩陣對應的句子語義特征向量；通過第二式分別對各個所述局部特征向量以及與各個所述詞向量矩陣對應的句子語義特征向量進行拼接，得到與各個所述詞向量矩陣對應的全局語義特征向量，所述第二式為： 其中，Fglobal為句子語義特征向量，Flocal為局部特征向量，F'為全局語義特征向量；通過第三式分別對各個所述全局語義特征向量進行預測，得到與各個所述詞向量矩陣對應的類別預測概率，所述第三式為；p＝softmaxWgF'+bg，其中，p為類別預測概率，Wg為可訓練權重，F'為全局語義特征向量，bg為偏置項；導入多個與所述原始文本訓練數據對應的真實標簽，對所有的類別預測概率和所有的真實標簽進行損失值分析，得到待測試模型。

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桂林電子科技大學，其通訊地址為：541004 廣西壯族自治區桂林市七星區金雞路1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”。