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！

龙图腾网获悉湖南师范大学申请的专利一种基于多特征融合的数学建模竞赛论文质量评估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：CN121598932B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610128588.1，技术领域涉及：G06F40/205；该发明授权一种基于多特征融合的数学建模竞赛论文质量评估方法是由陈明;张岳湘;肖慧;马华设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本一种基于多特征融合的数学建模竞赛论文质量评估方法在说明书摘要公布了：本发明公开一种基于多特征融合的数学建模竞赛论文质量评估方法，涉及自然语言处理领域。该方法包括：对论文进行全要素解析与结构化切分，得到摘要、正文、附录及赛题文本；根据正文与附录，计算必要章节覆盖率和支撑材料完整性，得到结构规范性特征向量；根据赛题文本与正文，利用大语言模型实施“赛题任务拆解‑解题证据抽取‑覆盖度验证”思维链流程，得到赛题任务对齐特征向量；根据摘要与正文，利用深度检索、交叉编码器及自然语言推理技术进行多粒度语义交互计算，得到语义一致性特征向量；通过多层感知机模型融合多维度特征输出获奖概率。本发明全方位模拟专家评审决策，有效填补了该领域的评估技术空白，具有良好的应用价值。

本发明授权一种基于多特征融合的数学建模竞赛论文质量评估方法在权利要求书中公布了：1.一种基于多特征融合的数学建模竞赛论文质量评估方法，其特征在于，包括以下步骤： S1、对数学建模竞赛论文进行全要素解析与结构化切分，得到包含摘要、正文、附录及赛题文本的标准化数据集； S2、根据所述标准化数据集中的正文与附录，计算必要章节覆盖率和支撑材料完整性，得到结构规范性特征向量； S3、根据所述标准化数据集中的赛题文本与正文，利用大语言模型实施“赛题任务拆解-解题证据抽取-覆盖度验证”的思维链流程，得到赛题任务对齐特征向量，具体包括以下步骤： S31、赛题任务拆解：将所述赛题文本输入大语言模型，提取出个具体的独立求解子问题，形成集合； S32、解题证据抽取：采用滑动窗口策略，将所述正文切分为具有重叠率的文本块序列；针对集合中的每一个子问题，将其与序列中的每一个文本块组合输入大语言模型，提取局部证据；随后执行全局聚合，将所有局部证据按原文顺序拼接并进行重写，生成解题证据摘要； S33、覆盖度判别与打分：将子问题与解题证据摘要组成评价对输入大语言模型，基于存在性、相关性和完整性三个维度进行评分，输出满足度置信分； 还包括根据所述满足度置信分计算全篇解题覆盖度指标，公式如下： ， 其中，为子问题数量，为第个子问题的满足度置信分，； 最终构建赛题任务对齐特征向量； S4、根据所述标准化数据集中的摘要与正文，利用深度检索、交叉编码器及自然语言推理技术进行多粒度语义交互计算，得到语义一致性特征向量，具体包括以下步骤： S41、预处理与初召回：将所述摘要切分为句子集合，将所述正文切分为片段集合并构建BM25倒排索引；对于每个摘要句，利用关键词检索算法BM25，从所述片段集合中召回Top-N个候选正文片段集合； S42、重排序与最佳证据匹配：利用交叉编码器模型计算所述摘要句与候选片段的语义相关性得分，选取最大值作为重排序相关性得分，并将对应的片段记为最佳证据片段；其计算公式如下： ； S43、逻辑蕴含推理：利用自然语言推理模型，以所述最佳证据片段为前提、摘要句为假设，计算蕴含类别的概率值作为逻辑蕴含得分，公式如下： ； S44、上下文语义相似度计算：利用BERTScore算法架构，分别提取所述摘要句的嵌入向量序列和最佳证据片段的嵌入向量序列，计算两者的上下文语义相似度得分，公式如下： ， ， ， 其中，和分别为序列和的长度，为召回率，为精确率，为F1值，选取更能表示均衡评估的F1值作为最终的上下文相似度得分； S45、指标聚合：根据所述重排序相关性得分、所述逻辑蕴含得分以及所述上下文语义相似度得分，对所有摘要句的上述三个得分分别取均值，得到三维语义一致性特征向量； S5、根据所述结构规范性特征向量、所述赛题任务对齐特征向量及所述语义一致性特征向量，通过多层感知机模型进行特征融合与预测，得到论文的获奖概率，实现论文自动化初筛。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36号；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。