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
本发明公开了融合多标签对比学习和KNN的层次文本分类方法，包括：通过Graphormer编码标签层次结构，获得标签表示，计算每个标签表示和每个文本词元嵌入之间的注意力权重，获得对应的文本表示；将原始输入样本和正样本的文本表示输入到多标签分类器，计算分类损失；对多标签对比损失、原始输入样本和正样本的分类损失进行求和，基于总损失训练BERT模型，获得测试样本的文本表示，将测试文本的文本表示输入至多标签分类器，获取训练好的模型的预测结果；将KNN预测结果与所述训练好的模型的预测结果进行线性融合，获得最
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117574309A
(43)申请公布日2024.02.20
(21)申请号202311599668.8
(22)申请日2023.11.28
(71)申请人东华理工大学南昌校区
地址33
文档评论（0）