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！

龍圖騰網恭喜貴州華誼聯盛科技有限公司申請的專利基于大模型的數據分類分級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：CN119669475B 。

龍圖騰網通過國家知識產權局官網在2025-05-02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：202510188104.8，技術領域涉及：G06F16/353；該發明授權基于大模型的數據分類分級方法及系統是由張東;李強;郭東升;楊挺設計研發完成，并于2025-02-20向國家知識產權局提交的專利申請。

本基于大模型的數據分類分級方法及系統在說明書摘要公布了：本發明提供一種基于大模型的數據分類分級方法及系統，在大模型的調試階段，基于基礎政務文本分類模型挖掘政務訓練文本的文本表征數組，在全連接網絡的連接影響變量中獲取先驗真實分類的第一質心數組表示和其余分類的第二質心數組表示，修正文本表征數組和第二質心數組表示之間的第一余弦相似度，獲得大于第一余弦相似度的目標余弦相似度，依據目標余弦相似度、文本表征數組、第一質心數組表示、第二質心數組表示和第二余弦相似度確定距離代價值，以此修正模型的模型參變量，獲得目標政務文本分類模型。本發明可以增加政務文本分類模型對分類界限不清晰、分類困難復雜訓練文本的訓練質量，提高目標政務文本分類模型對政務文本的分類精度。

本發明授權基于大模型的數據分類分級方法及系統在權利要求書中公布了：1.一種基于大模型的數據分級分類方法，其特征在于，所述方法包括：獲取待進行分類的目標政務文本，并調用調試收斂的目標政務文本分類模型；將所述目標政務文本加載到所述目標政務文本分類模型，以基于所述目標政務文本分類模型對所述目標政務文本進行內容分類，獲得目標文本分類結果；其中，所述目標政務文本分類模型是對基礎政務文本分類模型進行調試獲得的，調試過程包括以下步驟：基于基礎政務文本分類模型提取政務訓練文本庫中政務訓練文本的文本表征數組；在所述基礎政務文本分類模型的全連接網絡的連接影響變量中，獲取先驗真實分類的第一質心數組表示和其余分類的第二質心數組表示，其中，所述先驗真實分類為所述政務訓練文本對應的分類；對所述文本表征數組和所述第二質心數組表示之間的第一余弦相似度進行調節，獲得大于所述第一余弦相似度的目標余弦相似度；依據所述目標余弦相似度、所述文本表征數組、所述第一質心數組表示、所述第二質心數組表示和第二余弦相似度確定距離代價值；所述第二余弦相似度是所述文本表征數組和所述第一質心數組表示之間的余弦相似度；依據所述距離代價值修正所述基礎政務文本分類模型的模型參變量，獲得所述目標政務文本分類模型；所述依據所述目標余弦相似度、所述文本表征數組、所述第一質心數組表示、所述第二質心數組表示和第二余弦相似度確定距離代價值，包括：依據所述目標余弦相似度、所述文本表征數組的范數和所述第二質心數組表示的范數，確定所述文本表征數組和所述第二質心數組表示之間的第一關聯系數；所述第一關聯系數用以指示所述文本表征數組和所述第二質心數組表示之間的關聯程度；依據第二余弦相似度、所述文本表征數組的范數和所述第一質心數組表示的范數，確定所述文本表征數組和所述第一質心數組表示之間的第二關聯系數；所述第二關聯系數用以指示所述文本表征數組和所述第一質心數組表示之間的關聯程度；依據所述影響變量、所述第一關聯系數和所述第二關聯系數，確定距離代價值；所述影響變量的確定過程為：確定所述先驗真實分類對應的訓練文本數量與所述政務訓練文本庫對應的訓練文本全量之間的比例；基于所述比例確定冪次修正系數；依據所述冪次修正系數和預設基礎值，確定所述先驗真實分類的影響變量；其中，所述冪次修正系數用以表示其余分類的訓練文本在政務訓練文本庫中的存在比例，所述先驗真實分類的影響變量越大，所述冪次修正系數越小，所述先驗真實分類的影響變量越小，所述冪次修正系數越大，預設基礎值為自然常數；具體地，確定所述訓練文本數量與所述訓練文本全量之間的比例，將常數1與所述比例之間的作差結果作為所述冪次修正系數；將自然常數確定為基礎值，將冪次修正系數作為冪次，獲得臨時變量；計算臨時變量與設定變量之間的相除結果，得到所述先驗真實分類的影響變量；所述影響變量與所述比例呈反向關聯。

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貴州華誼聯盛科技有限公司，其通訊地址為：551400 貴州省貴陽市貴陽國家高新技術產業開發區國家高新區金陽科技產業園標準廠房輔助用房B202室；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”。