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！

龙图腾网恭喜大连外国语大学申请的专利一种多任务引文意图分类系统、构建方法及应用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：CN116415171B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202310392056.5，技术领域涉及：G06F18/24；该发明授权一种多任务引文意图分类系统、构建方法及应用是由祁瑞华;刘鑫;陈恒;郭旭设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种多任务引文意图分类系统、构建方法及应用在说明书摘要公布了：本发明提出一种多任务引文意图分类系统构建方法，包括：获得任务语料和多个辅助任务语料，将主任务语料输入SciBERT预训练语言模型中，获得主任务语料的SciBERT预训练语言模型表示；将多个辅助任务语料分别输入SciBERT预训练语言模型中，获得多个辅助任务语料的SciBERT预训练语言模型表示；提取主任务语料的异构特征集，将提取到的异构特征集与主任务语料的SciBERT预训练语言模型表示进行融合，得到Inputintent；将步骤S1中获得的辅助任务语料的SciBERT预训练语言模型表示作为Inputauxiliary；通过软参数共享约束和BiLSTM学习Inputintent中的隐含特征；通过BiLSTM学习Inputauxiliary中的隐含特征；使用多头注意力机制计算主任务隐含特征权重，使用自注意力机制计算辅助任务隐含特征权重；多任务联合学习，得到引文意图分类系统。

本发明授权一种多任务引文意图分类系统、构建方法及应用在权利要求书中公布了：1.一种多任务引文意图分类系统构建方法，其特征在于，包括如下步骤：S1.获得主任务的主任务语料和多个辅助任务的辅助任务语料，将所述主任务语料输入SciBERT预训练语言模型中，获得所述主任务语料的SciBERT预训练语言模型表示；将多个所述辅助任务语料分别输入SciBERT预训练语言模型中，获得多个所述辅助任务语料的SciBERT预训练语言模型表示；S2.提取主任务语料的异构特征集，将提取到的异构特征集与步骤S1中获得的所述主任务语料的SciBERT预训练语言模型表示进行融合，得到Inputintent；将步骤S1中获得的所述辅助任务语料的SciBERT预训练语言模型表示作为Inputauxiliary；S3.通过软参数共享约束和BiLSTM学习步骤S2得到的Inputintent中的隐含特征；通过BiLSTM学习步骤S2得到Inputauxiliary中的隐含特征；S4.步骤S3中所述主任务隐含特征和辅助任务隐含特征学习完成后，所述主任务使用多头注意力机制计算主任务隐含特征权重，所述辅助任务使用自注意力机制计算辅助任务隐含特征权重；S5.多任务联合学习，使用稀疏分类交叉熵作为损失函数，将所述主任务和辅助任务进行正则化约束，获得所述主任务和辅助任务的权重调整因子，得到引文意图分类系统；所述步骤S1中，所述主任务为引文意图分类任务，所述主任务语料为引文意图分类任务语料；所述辅助任务包括引文位置分类任务和引文价值分类任务，所述引文位置分类任务用于分类引文所在段落的标题，所述引文价值分类任务用于分类一个句子是否包括引用，所述辅助任务语料包括引文位置分类任务语料和引文价值分类任务语料，所述引文位置分类任务语料与引文价值分类任务语料不包含引文意图分类标注；所述步骤S2中，所述Inputintent如公式1所示，Inputintent＝SciBERTS,featureijS1其中，Inputintent为主任务引文意图分类任务的输入，SciBERTS为主任务语料的SciBERT预训练语言模型表示，i为句子数，j为句子中的单词数，featureijS为主任务语料异构特征集；featureij如公式2所示，featureij＝cat[Onehotjposj,pos_list,patternj,tfidfij,sentij]2其中，Onehotjposj,pos_list为用独热向量表示的词性标注特征，patternj为句法结构特征，tfidfij表示单词j在句子i中的TF-IDF值，sentij是域情感词向量乘以TF-IDF向量的加权嵌入表示。

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大连外国语大学，其通讯地址为：116044 辽宁省大连市旅顺南路西段六号；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”。