一种大语言模型生成数据增强的隐式篇章关系识别方法
本发明提供一种大语言模型生成数据增强的隐式篇章关系识别方法,基于大语言模型的数据生成模块利用预定义的提示引导大语言模型在原始实例的基础上分别生成多样性增强的实例和上下文增强的实例,基于预训练模型的编码模块用于编码实例中各论元的初始语义矩阵表示,多级交互模块基于双向注意力机制建模原始实例与数据增强实例之间的交互,分别得到原始实例的最终语义向量表示、多样性增强后实例的最终语义向量表示和上下文增强后实例的最终语义向量表示,动态分类模块分别以三种最终语义向量表示作为输入进行分类,并选择可信度最高的分类结果作为最终预测结果。本发明能够解决现有技术实用性不强、理解不够准确的问题。
《一种大语言模型生成数据增强的隐式篇章关系识别方法》是一发明专利,专利号为 2024119464247,当前法律状态为已售,由华东交通大学提出申请,发明人为邬昌兴;揭梦瑶;底兴美,申请日期为2024-12-27,公开(公告)日期为2025-03-21,国际专利分类号(IPC)为 G06F 40/30 (2020.01),高新资质:未报高企,所属技术领域包括:人工智能、预训练语言模型、知识图谱构建、社交媒体互动、机器翻译、舆情监测分析、文本情感分析、自然语言处理。该专利权属清晰,可通过正规流程办理转让,适用于企业技术升级、资质申报与战略布局。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明提供一种大语言模型生成数据增强的隐式篇章关系识别方法,基于大语言模型的数据生成模块利用预定义的提示引导大语言模型在原始实例的基础上分别生成多样性增强的实例和上下文增强的实例,基于预训练模型的编码模块用于编码实例中各论元的初始语义矩阵表示,多级交互模块基于双向注意力机制建模原始实例与数据增强实例之间的交互,分别得到原始实例的最终语义向量表示、多样性增强后实例的最终语义向量表示和上下文增强后实例的最终语义向量表示,动态分类模块分别以三种最终语义向量表示作为输入进行分类,并选择可信度最高的分类结果作为最终预测结果。本发明能够解决现有技术实用性不强、理解不够准确的问题。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
