買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉合肥工業(yè)大學(xué)申請的專利知識增強(qiáng)的產(chǎn)品問答社區(qū)用戶對話情緒識別方法和系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118821045B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202410886322.4，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)知識增強(qiáng)的產(chǎn)品問答社區(qū)用戶對話情緒識別方法和系統(tǒng)是由楊穎;楊艷秋;唐思;魏海;張凌峰設(shè)計研發(fā)完成，并于2024-07-03向國家知識產(chǎn)權(quán)局提交的專利申請。

本知識增強(qiáng)的產(chǎn)品問答社區(qū)用戶對話情緒識別方法和系統(tǒng)在說明書摘要公布了：本發(fā)明提供一種知識增強(qiáng)的產(chǎn)品問答社區(qū)用戶對話情緒識別方法、系統(tǒng)、存儲介質(zhì)和電子設(shè)備，涉及對話情緒識別領(lǐng)域。本發(fā)明通過用戶關(guān)鍵詞提取和詞典擴(kuò)展算法，構(gòu)建用戶個性化情感詞典，獲取偏好知識嵌入向量；通過跨模態(tài)Transformer，融合情感知識增強(qiáng)的對話文本嵌入向量、對話視覺嵌入向量和對話音頻嵌入向量，獲取知識增強(qiáng)后的對話特征向量；基于對話情境GCN網(wǎng)絡(luò)，考慮多輪問答信息中的上下文以及對話用戶之間的情境關(guān)系，獲取全局情境向量；考慮全局情境向量與對話特征向量之間的交互作用，進(jìn)行個性化情緒識別。此外，提出基于情感層與多模態(tài)層的雙層有監(jiān)督對比學(xué)習(xí)策略，促使模型學(xué)習(xí)到更具判別性的多模態(tài)特征表示，進(jìn)一步提高情緒識別的準(zhǔn)確性和細(xì)粒度。

本發(fā)明授權(quán)知識增強(qiáng)的產(chǎn)品問答社區(qū)用戶對話情緒識別方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種知識增強(qiáng)的產(chǎn)品問答社區(qū)用戶對話情緒識別方法，其特征在于，基于預(yù)設(shè)的模型，包括： 獲取多個產(chǎn)品問答社區(qū)的歷史多輪問答信息；其中每一個所述歷史多輪問答信息包括用戶的多模態(tài)對話數(shù)據(jù)及其情緒標(biāo)簽，每一條所述多模態(tài)對話數(shù)據(jù)包括文本、視覺和音頻模態(tài)信息； 針對當(dāng)前歷史多輪問答信息，獲取每一條所述多模態(tài)對話數(shù)據(jù)對應(yīng)的對話文本嵌入向量、對話視覺嵌入向量和對話音頻嵌入向量； 對于任一條所述多模態(tài)對話數(shù)據(jù)，計算其文本模態(tài)信息的每個原始詞與預(yù)先構(gòu)建的用戶個性化情感詞典中關(guān)鍵詞的相似度，將每個原始詞的嵌入表示與相似度最高的關(guān)鍵詞對應(yīng)的偏好知識嵌入向量進(jìn)行拼接，并將相應(yīng)的最高相似度作為權(quán)值與拼接結(jié)果相乘，獲取知識增強(qiáng)的對話文本嵌入向量； 將所述知識增強(qiáng)的對話文本嵌入向量作為主模態(tài)，采用跨模態(tài)Transformer將其與對話視覺嵌入向量和對話音頻嵌入向量進(jìn)行融合，獲取每一所述多模態(tài)對話數(shù)據(jù)的知識增強(qiáng)后的對話特征向量； 根據(jù)所述對話特征向量，采用LSTM網(wǎng)絡(luò)建模每一條所述多模態(tài)對話數(shù)據(jù)中用戶的上下文情緒依賴關(guān)系，以獲取個性化偏好知識感知的上下文情境向量；以及根據(jù)所述上下文情境向量，構(gòu)建全局對話圖，采用GCN網(wǎng)絡(luò)建模每一條所述多模態(tài)對話數(shù)據(jù)中用戶之間的情緒依賴關(guān)系，以獲取存儲全局上下文狀態(tài)的全局情境向量； 根據(jù)所述對話特征向量和全局情境向量之間的交互作用，通過協(xié)同注意力機(jī)制獲取每一條所述多模態(tài)對話數(shù)據(jù)的情緒識別預(yù)測結(jié)果； 根據(jù)每一條所述多模態(tài)對話數(shù)據(jù)對應(yīng)的對話文本嵌入向量、對話視覺嵌入向量和對話音頻嵌入向量，基于情感層與多模態(tài)層的雙層有監(jiān)督對比學(xué)習(xí)策略構(gòu)建對比學(xué)習(xí)損失；根據(jù)每一條所述多模態(tài)對話數(shù)據(jù)的情緒標(biāo)簽以及情緒識別預(yù)測結(jié)果，構(gòu)建交叉熵?fù)p失；最小化所述對比學(xué)習(xí)損失和交叉熵?fù)p失的聯(lián)合損失函數(shù)，訓(xùn)練所述模型直至收斂； 將待識別的多輪問答信息作為收斂后的模型的輸入，獲取該多輪問答信息中每一條多模態(tài)對話數(shù)據(jù)的情緒識別結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人合肥工業(yè)大學(xué)，其通訊地址為：230009 安徽省合肥市包河區(qū)屯溪路193號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。