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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利结合显式和隐式变分增强的多文档文献摘要方法及系统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：CN116304003B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310175681.4，技术领域涉及：G06F16/34；该发明授权结合显式和隐式变分增强的多文档文献摘要方法及系统是由李莎莎;王攀成;王挺;刘甚灵;唐晋韬;李冬;刘剑锋;龙科含设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本结合显式和隐式变分增强的多文档文献摘要方法及系统在说明书摘要公布了：本发明公开了一种结合显式和隐式变分增强的多文档文献摘要方法及系统，本发明方法包括：将输入文档利用神经话题模型捕获显式的语句话题表示，与初始的摘要语句或者输出的上一句摘要语句融合得到显式融合特征，再利用隐变量模型捕获得到隐式的上层特征，将隐式的上层特征利用句子解码器预测下一句的句子规划；将初始的摘要语句或者输出的上一句摘要语句输入单词解码器，结合下一句的句子规划以得到下一个单词直至下一句的句子规划为终止符。本发明能够实现句子规划控制的摘要生成，克服解码过程中出现的语句内部解码错误和语句上下文不连贯的问题，实现准确且连贯的摘要，提高摘要生成的质量。

本发明授权结合显式和隐式变分增强的多文档文献摘要方法及系统在权利要求书中公布了：1.一种结合显式和隐式变分增强的多文档文献摘要方法，其特征在于，包括： S101，将输入文档利用神经话题模型捕获显式的语句话题表示； S102，将初始的摘要语句或者输出的上一句摘要语句经过摘要编码器得到摘要语句表示，与显式的摘要语句表示经投影层的投影表示融合得到显式融合特征，其中上标S表示摘要； S103，将显式融合特征输入隐变量模型，并与输入文档通过输入文档编码器得到的输入文档编码结合，捕获得到隐式的上层特征，其中下标n表示摘要语句中当前包含的单词数量； S104，将隐式的上层特征输入句子解码器，并与输入文档通过输入文档编码器得到的输入文档编码结合，预测得到下一句的句子规划； S105，将初始的摘要语句或者输出的上一句摘要语句输入单词解码器，结合下一句的句子规划以得到下一个单词wnj+1直至下一句的句子规划为终止符，最终得到单词wn1～单词wnj+1构成的输入文档的摘要语句； 步骤S103中的隐变量模型包括依次相连的Transformer编码层和前馈神经网络层和前馈层以及加法与归一化模块，所述Transformer编码层包括依次相连的多头自注意力模块、加法与归一化模块和多头交叉注意力模块，输入隐变量模型后的显式融合特征首先输入Transformer编码层的多头自注意力模块，并在Transformer编码层的多头交叉注意力模块与输入文档通过输入文档编码器得到的输入文档编码结合，再经过前馈神经网络层分别计算先验分布和后验分布，然后通过后续的前馈层以及加法与归一化模块对先验分布和后验分布捕获得到隐式的上层特征，其中下标n表示摘要语句中当前包含的单词数量；其中，前馈神经网络层分别计算先验分布和后验分布的函数表达式为： ， 上式中，为先验分布，为隐变量，为输入文档，为第i条摘要语句之前的语句的语义表示，和为可学习参数，为单位矩阵； ， 上式中，为后验分布，为给定完整的摘要，和为可学习参数。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区砚瓦池正街47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。