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！

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利一种多级类目的确定方法、模型训练的方法以及相关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：CN114328906B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202111114531.X，技术领域涉及：G06F16/353；该发明授权一种多级类目的确定方法、模型训练的方法以及相关装置是由黄剑辉设计研发完成，并于2021-09-23向国家知识产权局提交的专利申请。

本一种多级类目的确定方法、模型训练的方法以及相关装置在说明书摘要公布了：本申请公开了可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景的多级类目确定方法，包括：获取目标文本信息所对应的文本编码向量；基于文本编码向量，通过层级分类模型所包括的第一分类器获取第一分布向量；根据第一分布向量以及文本编码向量，生成文本融合向量；基于文本融合向量，通过层级分类模型所包括的第二分类器获取第二分布向量；根据第一分布向量确定目标文本信息所属的目标一级类目，根据第二分布向量确定目标文本信息所属的目标二级类目。本申请还公开了模型训练方法及装置。本申请基于上一层级的输出结果预测下一层级的输出，充分且有效地利用类目体系中上下层之间的约束关系，从而增强类目分类的效果，以提升分类准确率。

本发明授权一种多级类目的确定方法、模型训练的方法以及相关装置在权利要求书中公布了：1.一种多级类目的确定方法，其特征在于，包括： 获取目标文本信息所对应的文本编码向量； 基于所述文本编码向量，通过层级分类模型所包括的第一分类器获取第一分布向量，其中，所述第一分布向量包括M个第一元素分值，每个第一元素分值表示为一个一级类目的概率值，所述M为大于1的整数； 根据所述第一分布向量以及所述文本编码向量，生成文本融合向量； 基于所述文本融合向量，通过所述层级分类模型所包括的第二分类器获取第二分布向量，其中，所述第二分布向量包括N个第二元素分值，每个第二元素分值表示为一个二级类目的概率值，所述二级类目属于所述一级类目的下一级类目，所述N为大于1的整数； 根据所述第一分布向量确定所述目标文本信息所属的目标一级类目，并且，根据所述第二分布向量确定所述目标文本信息所属的目标二级类目； 其中，所述根据所述第一分布向量以及所述文本编码向量，生成文本融合向量，包括： 基于一级类目向量映射关系，根据所述第一分布向量生成先验语义向量，其中，所述一级类目向量映射关系包括M个索引值与M个语义向量之间一一对应的映射关系，每个索引值对应于一个一级类目； 根据所述先验语义向量、所述文本编码向量以及第一参数矩阵，确定一阶向量映射，其中，所述先验语义向量表示为p维向量，所述文本编码向量表示为q维向量，所述第一参数矩阵表示为[d*p+q]维矩阵，所述p、所述q以及所述d均为大于1的整数； 根据所述先验语义向量、所述文本编码向量以及第二参数矩阵，确定二阶向量映射，其中，所述第二参数矩阵表示为d*p*q维矩阵； 根据所述一阶向量映射、所述二阶向量映射以及偏置向量，生成所述文本融合向量； 或者，所述根据所述第一分布向量以及所述文本编码向量，生成文本融合向量，包括： 根据所述第一分布向量、所述文本编码向量以及第一参数矩阵，确定一阶向量映射，其中，所述第一分布向量表示为p维向量，所述文本编码向量表示为q维向量，所述第一参数矩阵表示为[d*p+q]维矩阵，所述p、所述q以及所述d均为大于1的整数； 根据所述第一分布向量、所述文本编码向量以及第二参数矩阵，确定二阶向量映射，其中，所述第二参数矩阵表示为d*p*q维矩阵； 根据所述一阶向量映射、所述二阶向量映射以及偏置向量，生成所述文本融合向量。

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腾讯科技(深圳)有限公司，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层；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”。