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！

龙图腾网获悉南京信息工程大学申请的专利融合BERT与朴素贝叶斯集成的多标签敏感文本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：CN121051232B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511606230.7，技术领域涉及：G06F16/334；该发明授权融合BERT与朴素贝叶斯集成的多标签敏感文本检测方法是由王泓博;赵晓芳;宋甫元;胡斌设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本融合BERT与朴素贝叶斯集成的多标签敏感文本检测方法在说明书摘要公布了：本发明公开了一种融合BERT与朴素贝叶斯集成的多标签敏感文本检测方法，属于数据安全检测技术领域，包括：通过预训练的BERT模型从输入文本中提取深层语义特征，理解敏感内容的细微语言模式，计算BERT模型的预测概率；构建多标签学习的朴素贝叶斯集成模型，基于词法统计规律计算朴素贝叶斯集成模型的预测概率；在训练阶段引入一致性正则化损失，强制要求BERT模型和朴素贝叶斯集成模型的预测概率对每个标签进行对齐；在推理阶段将两个模型联合部署，以概率的方式进行融合预测，得到多标签敏感文本检测结果。本发明方法能够增强对代码切换等对抗性攻击的鲁棒性，有效提升多语言场景下敏感文本检测精度。

本发明授权融合BERT与朴素贝叶斯集成的多标签敏感文本检测方法在权利要求书中公布了：1.一种融合BERT与朴素贝叶斯集成的多标签敏感文本检测方法，其特征在于，包括如下步骤： 步骤1、通过预训练的BERT模型从输入文本中提取深层语义特征，进行基于BERT的敏感文本分类，理解敏感内容的细微语言模式，计算BERT模型的预测概率； 使用所有标签平均的标准二进制交叉熵损失，对所述BERT模型进行训练： ； 其中，是标签的数量，表示对于给定的输入标签被激活的概率，是标签的真实值，是损失函数的计算结果； 通过基于标签的损失权重解决标签不平衡，公式如下： ； 其中，是特定于标签的加权系数，得到是加权后的损失函数结果； 步骤2、构建多标签学习的朴素贝叶斯集成模型，基于词法统计规律，计算得到朴素贝叶斯集成模型的预测概率； 所述朴素贝叶斯集成模型是由个独立的多项式朴素贝叶斯分类器组成的集合，每个分类器对应于个标签中的一个，具体处理如下： 步骤2.1、给定输入文本序列，提取其TF-IDF表示： ； 其中，为词汇量，为单词在的TF-IDF得分； 步骤2.2、对于每个标签，使用单独的MNB分类器通过贝叶斯规则估计后验概率： ； 其中，表示在文本的条件下属于标签的后验概率，表示在标签的条件下文本出现的似然概率，表示标签的先验概率； 步骤2.3、计算对数后验，以保持数值稳定性： ； 其中，表示标签的条件下出现的概率； 步骤2.4、使用平滑训练数据，估计： ； 其中，、表示单词和在以标记的样本中出现的次数，是平滑因子； 步骤2.5、计算每一类的原始对数概率，通过Sigmoid函数进行归一化并转换为伪概率： ； 其中，为通过朴素贝叶斯分类器对输入文本进行处理后，得到的文本属于第个标签的预测概率； 步骤2.6、得到最终的朴素贝叶斯集成预测向量 所述朴素贝叶斯集成预测向量在反向传播期间不会更新，用于充当外部信号，通过一致性损失使BERT模型正则化； 步骤3、在训练阶段，引入一致性正则化损失，以得到的朴素贝叶斯集成预测向量为外部信号，强制要求BERT模型和朴素贝叶斯集成模型的预测概率对每个标签进行对齐； 步骤4、在推理阶段，将BERT模型和朴素贝叶斯集成模型联合部署，以概率的方式进行融合预测，得到多标签敏感文本检测结果。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。