Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 昆明理工大学毛存礼获国家专利权

昆明理工大学毛存礼获国家专利权

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!

龙图腾网获悉昆明理工大学申请的专利基于动态潜在关键信息约束的跨语言长文档摘要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:CN121542420B

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:202610060290.1,技术领域涉及:G06F16/34;该发明授权基于动态潜在关键信息约束的跨语言长文档摘要方法是由毛存礼;姚陈承;余正涛;高盛祥;刘德;张勇丙设计研发完成,并于2026-01-16向国家知识产权局提交的专利申请。

基于动态潜在关键信息约束的跨语言长文档摘要方法在说明书摘要公布了:本发明涉及基于动态潜在关键信息约束的跨语言长文档摘要方法,属于自然语言处理技术领域。所述方法包括:跨语言长文档摘要数据集构建;基于动态潜在关键信息约束的跨语言长文档摘要模型构建;基于动态潜在关键信息约束的跨语言长文档摘要模型训练;对长文档内容进行跨语言摘要生成。根据这四个部分方法流程,模块化制成基于动态潜在关键信息约束的跨语言长文档摘要装置;本发明能够有效挖掘长文档中的深层语义关联与结构特征,解决传统方法在跨语言场景下存在的语义漂移和结构失焦问题。在长文档处理中展现出显著的性能优势,相较于基线模型,本发明在ROUGE‑L指标上的性能提升了,为多语种信息整合、国际知识共享等场景提供了技术支撑。

本发明授权基于动态潜在关键信息约束的跨语言长文档摘要方法在权利要求书中公布了:1.基于动态潜在关键信息约束的跨语言长文档摘要方法,其特征在于:所述方法包括: Step1、跨语言长文档摘要数据集构建:提出基于提示机制的大语言模型构建跨语言长文档摘要方法,并引入往返翻译策略,构建具有高语义一致性跨语言长文档摘要数据集; Step2、基于动态潜在关键信息约束的跨语言长文档摘要模型构建:通过将跨语言长文档摘要任务转化为抽取动态关键信息和生成源语言摘要与目标语言摘要混合方法,提高模型对长文档语义信息的完整建模能力;并引入源语言摘要作为辅助信息,通过联合解码增强跨语言语义一致性; Step3、基于动态潜在关键信息约束的跨语言长文档摘要模型训练:引入一致性损失函数通过梯度协同机制实现端到端联合优化,用于生成更加连贯、准确的跨语言长文档摘要; Step4、对长文档内容进行跨语言摘要生成:搭建完整的跨语言长文档摘要原型系统;借助Sanic、VUE技术框架,用于实现用户通过前端界面提交长文档,后端调用模型生成摘要,并将处理结果以直观的方式展示给用户的完整功能流程; 所述Step2包括: Step2.1、构建动态关键信息抽取器模块:该模块基于预训练语义模型对输入的Step1中构建的长文档摘要数据集中的长文档的句子进行分别建模,通过对句子进行评分选出得分最高的句子组合,实现对文档中关键信息句子的自动识别与抽取; Step2.2、构建跨语言摘要生成器模块:该模块以源语言摘要为先验条件,采用共享编码器架构同时建模源语言摘要与目标语言摘要; 所述Step3包括: Step3.1、将通过贪婪搜索的方法得到的ROUGE分值最高得分句子组作为监督信号,计算动态关键信息抽取器模块抽取句子组和之间的交叉熵损失作为动态关键信息抽取器模块损失的一部分;具体计算公式如下所示: ; 其中,表示参数为的动态关键信息抽取器模块评分函数;X为文档中所有片段的集合;表示监督信号的片段数量,为查询向量,表示第个文本片段; Step3.2、将生成的单语摘要和跨语言摘要和参考的单语摘要和跨语言摘要一起计算损失作为生成损失;具体的计算方法如下所示: ; 其中,表示参数为的跨语言摘要生成器模块条件概率分布;为第步生成的源语言摘要序列,为第步生成的目标语言摘要序列;、表示在时间步之前已生成的源语言、目标语言摘要序列;为最大时间步,为基于标量得分,对整个文档的片段进行排序,并选择出的得分最高的个片段; Step3.3、采用基于动态权重的一致性对齐策略,通过约束不同模块的隐空间表示提升模型一致性;通过计算动态关键信息抽取器模块概率分布与跨语言摘要生成器模块动态权重分布之间的KL散度,实现跨模块的协同优化; ; 其中,表示动态关键信息抽取器模块对片段的选择概率分布;表示跨语言摘要生成器模块动态权重调整后的分布;表示KL散度,表示度量两个概率分布的差异,通过衡量两个概率分布之间的差异,促使动态关键信息抽取器模块和跨语言摘要生成器模块在决策时趋向一致。

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昆明理工大学,其通讯地址为:650500 云南省昆明市呈贡区景明南路727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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。