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！

龙图腾网获悉昆明理工大学申请的专利基于双专家模型协同指导的跨语言跨目标立场检测方法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：CN120354887B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510820057.4，技术领域涉及：G06N3/045；该发明授权基于双专家模型协同指导的跨语言跨目标立场检测方法是由相艳;罗浩铨;黄于欣;线岩团设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本基于双专家模型协同指导的跨语言跨目标立场检测方法在说明书摘要公布了：本发明涉及基于双专家模型协同指导的跨语言跨目标立场检测方法，属于自然语言处理技术领域。本发明包括：构建跨语言和跨目标训练数据集，生成模型训练所需的输入；设计跨语言专家模型，利用提示微调和一致性学习优化mBERT模型在跨语言任务中的适应能力；构建跨目标专家模型，通过目标类别信息挖掘和基于对比学习的优化方法，生成高质量的目标表示；利用目标语言无标签数据，优化协同模块的表示能力；联合跨语言专家模型和跨目标专家模型指导协同模块进行训练，整合跨语言专家模型、跨目标专家模型的损失和对比学习损失，并通过优化总损失来提升模型的整体性能。本发明提高了跨语言立场检测任务的准确性、鲁棒性和泛化能力。

本发明授权基于双专家模型协同指导的跨语言跨目标立场检测方法在权利要求书中公布了：1.基于双专家模型协同指导的跨语言跨目标立场检测方法，其特征在于：所述方法包括： Step1、构建跨语言和跨目标训练数据集，对源语言训练数据和目标语言无标签数据进行预处理，生成模型训练所需的输入； Step2、设计跨语言专家模型，利用提示微调和一致性学习优化mBERT模型在跨语言任务中的适应能力； Step3、构建跨目标专家模型，通过目标类别信息挖掘和基于对比学习的优化方法，生成高质量的目标表示； Step4、利用目标语言无标签数据，通过无监督对比学习机制，优化协同模块的表示能力； Step5、通过计算预测概率差的绝对值来确定两个专家模型的置信度；在双专家模型框架下，联合跨语言专家模型和跨目标专家模型指导协同模块进行训练，动态分配损失权重，整合跨语言专家模型、跨目标专家模型的损失和对比学习损失，并通过优化总损失来提升模型的整体性能； 所述Step2包括： Step2.1、采用mBERT模型作为跨语言专家模型的基础，利用跨语言任务的提示模板微调模型，使模型能捕捉目标语言数据的语义特征； Step2.2、引入一致性学习机制，基于跨语言任务的提示模板，构建源语言单语模板和目标语言跨语言模板；通过源语言单语模板和目标语言跨语言模板在相同样本上的[mask]预测概率分布一致性，建立跨语言语义对齐的信号；利用单语模板的源语言表征与跨语言模板的目标语言表征之间的互监督，优化mBERT模型参数；从而得出单语言模板交叉熵损失和跨语言模板交叉熵 ，单语言模板交叉熵损失和跨语言模板交叉熵表示如下：                     1；                    2；其中代表样本真实标签，表示经过单语言提示模板后得到的预测结果，表示经过跨语言语言提示模板后得到的预测结果，N表示样本数量； Step2.3、利用Kullback‑Leibler散度计算源语言和目标语言的分布差异并整合单语言提示模板和跨语言提示模板交叉熵损失，最后得到跨语言专家模型损失，跨语言专家模型损失表示为：                         3 ； 其中，表示分布一致性损失，为损失平衡超参数； 所述Step3包括： Step3.1、利用源语言数据，通过分析目标与文本的语义关联和立场一致性，再经过mBERT模型初步学习得到的目标实体的语义表示，即生成目标的初步表示； Step3.2、采用k‑means聚类方法，根据目标的初步表示的相似度矩阵，将目标划分为多个目标类别，其中目标类别为在立场检测任务中，对目标实体按照其语义属性、领域或类型进行分类的标签或类别； Step3.3、对每个目标类别计算类别中心表示，使用类内约束和类间约束优化目标表示，用于使目标类别内部的目标表示更紧密，目标类别之间的目标表示更具区分性； Step3.4、通过对比学习方法，进一步优化目标类别，将目标类别信息推广到目标语言中的未见目标，得到高质量的目标表示，对比学习损失如下：                     4； 其中，为输入源语言的文本和目标语言的目标的匹配函数，为样本数量； Step3.5、通过结合对比学习和利用交叉熵损失来优化跨目标专家模型来实现对未见目标的立场检测性能，跨目标专家模型损失如下：       5； 式中，是第个样本的真实标签，是跨目标专家模型的预测结果，代表真实标签与跨目标专家模型预测结果的交叉熵损失。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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”。

以上内容由龙图腾AI智能生成。