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！

龙图腾网恭喜贵州华谊联盛科技有限公司申请的专利基于大模型的数据分类分级方法及系统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：CN119669475B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202510188104.8，技术领域涉及：G06F16/353；该发明授权基于大模型的数据分类分级方法及系统是由张东;李强;郭东升;杨挺设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本基于大模型的数据分类分级方法及系统在说明书摘要公布了：本发明提供一种基于大模型的数据分类分级方法及系统，在大模型的调试阶段，基于基础政务文本分类模型挖掘政务训练文本的文本表征数组，在全连接网络的连接影响变量中获取先验真实分类的第一质心数组表示和其余分类的第二质心数组表示，修正文本表征数组和第二质心数组表示之间的第一余弦相似度，获得大于第一余弦相似度的目标余弦相似度，依据目标余弦相似度、文本表征数组、第一质心数组表示、第二质心数组表示和第二余弦相似度确定距离代价值，以此修正模型的模型参变量，获得目标政务文本分类模型。本发明可以增加政务文本分类模型对分类界限不清晰、分类困难复杂训练文本的训练质量，提高目标政务文本分类模型对政务文本的分类精度。

本发明授权基于大模型的数据分类分级方法及系统在权利要求书中公布了：1.一种基于大模型的数据分级分类方法，其特征在于，所述方法包括：获取待进行分类的目标政务文本，并调用调试收敛的目标政务文本分类模型；将所述目标政务文本加载到所述目标政务文本分类模型，以基于所述目标政务文本分类模型对所述目标政务文本进行内容分类，获得目标文本分类结果；其中，所述目标政务文本分类模型是对基础政务文本分类模型进行调试获得的，调试过程包括以下步骤：基于基础政务文本分类模型提取政务训练文本库中政务训练文本的文本表征数组；在所述基础政务文本分类模型的全连接网络的连接影响变量中，获取先验真实分类的第一质心数组表示和其余分类的第二质心数组表示，其中，所述先验真实分类为所述政务训练文本对应的分类；对所述文本表征数组和所述第二质心数组表示之间的第一余弦相似度进行调节，获得大于所述第一余弦相似度的目标余弦相似度；依据所述目标余弦相似度、所述文本表征数组、所述第一质心数组表示、所述第二质心数组表示和第二余弦相似度确定距离代价值；所述第二余弦相似度是所述文本表征数组和所述第一质心数组表示之间的余弦相似度；依据所述距离代价值修正所述基础政务文本分类模型的模型参变量，获得所述目标政务文本分类模型；所述依据所述目标余弦相似度、所述文本表征数组、所述第一质心数组表示、所述第二质心数组表示和第二余弦相似度确定距离代价值，包括：依据所述目标余弦相似度、所述文本表征数组的范数和所述第二质心数组表示的范数，确定所述文本表征数组和所述第二质心数组表示之间的第一关联系数；所述第一关联系数用以指示所述文本表征数组和所述第二质心数组表示之间的关联程度；依据第二余弦相似度、所述文本表征数组的范数和所述第一质心数组表示的范数，确定所述文本表征数组和所述第一质心数组表示之间的第二关联系数；所述第二关联系数用以指示所述文本表征数组和所述第一质心数组表示之间的关联程度；依据所述影响变量、所述第一关联系数和所述第二关联系数，确定距离代价值；所述影响变量的确定过程为：确定所述先验真实分类对应的训练文本数量与所述政务训练文本库对应的训练文本全量之间的比例；基于所述比例确定幂次修正系数；依据所述幂次修正系数和预设基础值，确定所述先验真实分类的影响变量；其中，所述幂次修正系数用以表示其余分类的训练文本在政务训练文本库中的存在比例，所述先验真实分类的影响变量越大，所述幂次修正系数越小，所述先验真实分类的影响变量越小，所述幂次修正系数越大，预设基础值为自然常数；具体地，确定所述训练文本数量与所述训练文本全量之间的比例，将常数1与所述比例之间的作差结果作为所述幂次修正系数；将自然常数确定为基础值，将幂次修正系数作为幂次，获得临时变量；计算临时变量与设定变量之间的相除结果，得到所述先验真实分类的影响变量；所述影响变量与所述比例呈反向关联。

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贵州华谊联盛科技有限公司，其通讯地址为：551400 贵州省贵阳市贵阳国家高新技术产业开发区国家高新区金阳科技产业园标准厂房辅助用房B202室；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”。