原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请提供一种融合局部关键信息和预训练的文本分类方法，包括：选择与任务数据匹配程度最高的预训练模型作为第一预训练模型；使用任务数据对第一预训练模型进行进一步预训练，获得第二预训练模型，利用第二预训练模型从文本中抽取关键词序列，设置文本的局部属性共有n种，文本分类共有m种，将每种局部属性下的每种文本分类都作为一种局部关键类别，则能够得到n*m种局部关键类别；将通过第二预训练模型得到的全文表示向量和所有局部属性下的局部表示向量进行向量合并，得到文本的最终表示向量，对文本的最终表示向量进行关于任务数据
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116304051 A
(43)申请公布日 2023.06.23
(21)申请号 202310286372.4 (51)Int.Cl .
文档评论（0）