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！

龙图腾网获悉齐鲁工业大学申请的专利基于文章差异感知表示的文本阅读理解方法和装置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：CN115345170B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202210972587.7，技术领域涉及：G06F40/30；该发明授权基于文章差异感知表示的文本阅读理解方法和装置是由鹿文鹏;张骞;郑超群;马凤英;张维玉;乔新晓;于瑞设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本基于文章差异感知表示的文本阅读理解方法和装置在说明书摘要公布了：本发明公开了基于文章差异感知表示的文本阅读理解方法及装置、存储介质、电子设备，属于自然语言处理、人工智能领域，本发明要解决的技术问题为如何有效利用文章信息来提高答案选择的准确率以及如何实现问句与选项之间的有效匹配，从而提高文本阅读理解系统的预测准确性，采用的技术方案为：①一种基于文章差异感知表示的文本阅读理解方法，包括如下模块：预训练嵌入表示模块、特征过滤模块、文章差异感知表示交互模块和标签预测模块。②一种基于文章差异感知表示的文本阅读理解装置，包括：文本阅读理解数据集获取单元、文本阅读理解模型构建单元和文本阅读理解模型训练单元。

本发明授权基于文章差异感知表示的文本阅读理解方法和装置在权利要求书中公布了：1.一种基于文章差异感知表示的文本阅读理解方法，其特征在于，该方法包括如下步骤： S1、获取文本阅读理解数据集：从网络上下载已经公开的文本阅读理解数据集或者自行构建数据集； S2、构建文本阅读理解模型：基于文章差异感知表示构建文本阅读理解模型； S3、训练文本阅读理解模型：在步骤S1所得到文本阅读理解训练数据集上对步骤S2构建的文本阅读理解模型进行训练； 其中，步骤S2中构建文本阅读理解模型的具体步骤如下： S201、构建输入模块 针对数据集中的每一条数据，将文章序列，记为context；将问句序列，记为query；将所有候选选项记为response；根据正确答案，确定该条数据的标签，即，若正确答案为A，则记为1000，若正确答案为B，则记为0100，若正确答案为C，则记为0010，若正确答案为D，则记为0001；三个文本序列与标签，共同组成一条输入数据； S202、构建预训练嵌入表示模块 预训练嵌入表示模块是利用预训练语言模型对S201中构建的输入数据进行嵌入编码操作，从而得到输入数据中的文章、问句和选项的嵌入表示，分别记为、和；S201中构建的输入包含三个文本序列，其中，文章序列单独使用一个编码模块，问句、选项序列共用一个编码模块；由于预训练语言模型本身包含多层编码网络，可根据不同的输入对象，选择不同层数的输出作为其嵌入表示；具体实施见下述公式： 1.1 1.2 1.3 其中，公式1.1表示使用预训练语言模型BERT对输入的文章序列context进行嵌入编码，下标n表示使用的BERT内部的网络层数，表示文章的嵌入表示；公式1.2表示使用预训练语言模型BERT对输入的问句序列query进行嵌入编码，下标t表示使用的BERT内部的网络层数，表示问句的嵌入表示；公式1.3同公式1.2基本一致，只是编码对象为选项response，表示选项的嵌入表示； S203、构建特征过滤模块 使用自适应平均池化操作对文章、问句和选项的嵌入表示、和进行特征过滤操作，得到相应的池化特征表示，即文章池化特征表示、问句池化特征表示和选项池化特征表示，分别记为、和； S204、构建文章差异感知表示交互模块 接收特征过滤模块输出的文章池化特征表示、问句池化特征表示和选项池化特征表示，然后使用两种策略获取两种不同的文章差异表示，最后将其联接，从而获得最终的文章差异表示，将其记为； S205、构建标签预测模块 步骤S204所得到的文章差异表示将作为本模块的输入，其经过一层维度为4、激活函数为softmax的全连接网络处理，从而得到各个候选选项作为正确答案的概率，本模块将概率最高的候选选项预测为正确答案； 当模型尚未进行训练时，需要进一步执行步骤S3进行训练，以优化模型参数；当模型训练完毕时，由步骤S205预测选项中的哪一个是正确答案。

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齐鲁工业大学，其通讯地址为：250353 山东省济南市长清区大学路3501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。