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！

龙图腾网恭喜江西师范大学申请的专利基于语言特征学习器和对比信息瓶颈的可读性评估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：CN119293237B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411787053.2，技术领域涉及：G06F16/35；该发明授权基于语言特征学习器和对比信息瓶颈的可读性评估方法是由童贤超;曾锦山;彭香龙;叶文俊;肖文艳设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于语言特征学习器和对比信息瓶颈的可读性评估方法在说明书摘要公布了：本发明属于自然语言处理技术领域，公开了基于语言特征学习器和对比信息瓶颈的可读性评估方法，建立可读性评估模型，所述的可读性评估模型包括语言特征学习器模块、深度特征提取器模块和对比信息瓶颈模块；经预训练后的语言特征学习器模块用于学习文本的语言特征表示，所述语言特征表示由对应各个语言特征的深度语言特征表示融合而成，深度特征提取器模块用于从文本中提取不同层次的深度特征，对比信息瓶颈模块用于从不同层次的深度特征中进行对比学习从而生成去除冗余信息的深度表示。本发明实现神经网络分支对相应语言特征更好地提取，所得结果同时包含丰富复杂的语言表示和精细的深度表示，从而提升可读性评估效果。

本发明授权基于语言特征学习器和对比信息瓶颈的可读性评估方法在权利要求书中公布了：1.基于语言特征学习器和对比信息瓶颈的可读性评估方法，其特征在于：建立可读性评估模型，所述的可读性评估模型包括语言特征学习器模块、深度特征提取器模块和对比信息瓶颈模块；所述语言特征学习器模块包括多个语言特征学习器，所述语言特征学习器与应用的语言特征一一对应，每个语言特征学习器均包括语言特征分支和神经网络分支；所述语言特征分支基于输入的本文提取生成相关的语言特征值，并转换为作为监督信息的伪标签；所述神经网络分支用于将文本输入预训练的BigBird模型生成相应的深度特征，再通过两层解码器处理从而生成预测的伪标签，通过同时优化伪标签预测的交叉熵损失和可读性评估的交叉熵损失实现相应语言特征学习器的预训练；所述深度特征提取器模块提取了文档级、段落级和句子级三种层次的深度特征，即文档级、段落级和句子级特征，这三个层次的深度特征再被拼接成对比信息瓶颈模块的输入特征；在对比信息瓶颈模块中，所述输入特征被依次输入到两层编码器的精炼神经网络中，生成文本的精炼深度表示；所述精炼神经网络与语言特征学习器中神经网络分支结构相同；随后，将与当前文本具有相同可读性级别的文本设为正样本，其余文本为负样本，对不同文本的精炼深度表示进行对比学习，完成对比学习后得到的精炼深度表示即为最终输出的深度表示；对于得到的深度表示和语言特征表示，通过正交投影层将它们进行融合，其中深度表示作为基向量，语言特征表示被投影到深度表示上得到投影表示，作为可读性评估提供重要的补充信息；再将深度表示与投影表示拼接后用于可读性评估，输入带有softmax激活的线性层，将该线性层作为分类器得到最后的评估结果，即可读性等级。

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江西师范大学，其通讯地址为：330000 江西省南昌市紫阳大道99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”。