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！

龙图腾网获悉广东外语外贸大学申请的专利基于可解释知识捕获的跨主题作文评分方法、装置及介质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：CN119918541B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411821230.4，技术领域涉及：G06F40/30；该发明授权基于可解释知识捕获的跨主题作文评分方法、装置及介质是由李霞;潘雯静设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本基于可解释知识捕获的跨主题作文评分方法、装置及介质在说明书摘要公布了：本发明公开了一种基于可解释知识捕获的跨主题作文评分方法、装置及介质，方法包括：利用训练数据集对预设的评分模型进行训练，更新评分模型的参数；利用更新参数后的作文编码器对训练数据集进行编码，进而根据编码的结果进行聚类，得到多个聚类簇；基于聚类簇进行聚类优化，进而根据聚类优化的结果更新作文编码器的参数，获得目标评分模型；根据聚类簇整理得到提示词信息，基于提示词信息，利用预设的语义表征模型生成每个聚类簇的显性共享知识表示；利用目标评分模型，结合显性共享知识表示对待评分作文进行作文评分，得到待评分作文的评分结果。本发明提升对新主题作文的评分准确性和解释性，可广泛应用于数据处理技术领域。

本发明授权基于可解释知识捕获的跨主题作文评分方法、装置及介质在权利要求书中公布了：1.一种基于可解释知识捕获的跨主题作文评分方法，其特征在于，所述方法包括以下步骤： 获取源主题作文作为训练数据集，利用所述训练数据集对预设的评分模型进行训练，更新所述评分模型的参数；所述评分模型包括作文编码器和评分器；所述训练数据集中包括多个主题的作文数据，所述作文数据包括多篇作文及其对应的作文评分； 利用更新参数后的所述作文编码器对所述训练数据集进行编码，进而根据编码的结果进行聚类，得到多个聚类簇；基于所述聚类簇进行聚类优化，进而根据所述聚类优化的结果更新所述作文编码器的参数，获得目标评分模型； 其中，所述利用更新参数后的所述作文编码器对所述训练数据集进行编码，进而根据编码的结果进行聚类，得到多个聚类簇，包括以下步骤： 从所述训练数据集的各个主题的所述作文数据进行抽样，得到批次样本；所述批次样本中包括从每个主题抽取的预定数量的作文，所述批次样本的总数为所述训练数据集的主题数量与所述预定数量的乘积； 利用更新参数后的所述作文编码器对所述批次样本进行编码，得到所述批次样本中每个作文对应的作文表示； 基于所述作文表示，利用预设的聚类算法对所述批次样本进行聚类，获得所述批次样本中每个作文对应的簇标签，进而整理得到多个所述聚类簇以及每个所述聚类簇的簇中心； 根据所述聚类簇整理得到提示词信息，基于所述提示词信息，利用预设的语义表征模型生成每个所述聚类簇的显性共享知识表示； 其中，每个所述聚类簇包括多个作文及其对应的作文表示，所述作文表示通过更新参数后的所述作文编码器对相应作文编码得到；所述根据所述聚类簇整理得到提示词信息，基于所述提示词信息，利用预设的语义表征模型生成每个所述聚类簇的显性共享知识表示，包括以下步骤： 获取每个所述聚类簇中距离所述聚类簇的簇中心最近的目标数量的作文作为代表样本； 将所述代表样本嵌入预设的提示词模板，得到所述提示词信息； 基于所述提示词信息引导预设的大语言模型推理生成所述聚类簇的特征描述文本； 将所述特征描述文本输入预设的所述语义表征模型生成所述聚类簇的所述显性共享知识表示； 利用所述目标评分模型，结合所述显性共享知识表示对待评分作文进行作文评分，得到所述待评分作文的评分结果。

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广东外语外贸大学，其通讯地址为：510415 广东省广州市白云大道北2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。