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！

龙图腾网获悉华侨大学申请的专利基于多尺度语义知识获取的一体化情感隐喻识别方法、装置、设备和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：CN120012783B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510457307.2，技术领域涉及：G06F40/30；该发明授权基于多尺度语义知识获取的一体化情感隐喻识别方法、装置、设备和介质是由黄哲煌;陈咏希;莫毓昌;黄川波设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本基于多尺度语义知识获取的一体化情感隐喻识别方法、装置、设备和介质在说明书摘要公布了：基于多尺度语义知识获取的一体化情感隐喻识别方法、装置、设备和介质，涉及自然语言处技术领域。识别方法包含；S1、获取文本数据，并构建情感隐喻语料库。S2、根据文本数据，对情感隐喻语料库进行多尺度标记，获取多尺度特征矩阵。S3、根据决策集合对多尺度特征矩阵进行多尺度语义特征提取，获取最优尺度语义矩阵。S4、从最优尺度语义矩阵分离原型模式向量和测试模式向量，并通过内积法构造反映两个向量的相似度的隐喻序参量和情感序参量。然后通过一体化动力学演化模型重构序参量，并从重构后的序参量中筛选出待识别句子的情感隐喻标注模式。S5、根据情感隐喻标注模式识别文本中的隐喻标签和情感类别，得到情感隐喻识别结果。

本发明授权基于多尺度语义知识获取的一体化情感隐喻识别方法、装置、设备和介质在权利要求书中公布了：1.一种基于多尺度语义知识获取的一体化情感隐喻识别方法，其特征在于，包含： 获取文本数据，并根据所述文本数据构建情感隐喻语料库； 根据所述文本数据，对所述情感隐喻语料库进行多尺度标记，获取多尺度特征矩阵； 根据决策集合对多尺度特征矩阵进行多尺度语义特征提取，获取最优尺度语义矩阵； 根据决策集合将数据集中的所有样本进行划分，记为划分；其中，所述数据集为所述文本数据中的集合； 取特征集合将数据集中的所有样本进行划分，记为划分；若，则为最优尺度组合，终止多尺度语义知识获取过程，输出最优尺度语义矩阵；其中，表示第个尺度的语义特征集合、表示第个特征的第个尺度的值； 若，则取特征集合将数据集中的所有样本进行划分，记为划分；若，则为最优尺度组合，终止多尺度语义知识获取过程，输出最优尺度语义矩阵；其中，表示第1个特征的第个尺度的值； 依次类推，直到取了所有特征的最细尺度的特征集合，则终止多尺度语义知识获取过程，得到最优尺度组合，输出最优尺度语义矩阵； 从所述最优尺度语义矩阵分离原型模式向量和测试模式向量，并通过内积法构造反映两个向量的相似度的隐喻序参量和情感序参量；然后通过一体化动力学演化模型重构序参量，并从重构后的序参量中筛选出待识别句子的情感隐喻标注模式； 从最优尺度语义矩阵中提取符合训练集样本已知隐喻和情感类别的对应的行向量作为原型模式向量；其中，表示原型、表示原型模式向量中行向量的数量； 从最优尺度语义矩阵中提取测试集样本的行向量作为测试模式向量；其中，表示测试、表示测试模式向量中行向量的数量； 根据所述原型模式向量和所述测试模式向量，通过内积法构造反映原型模式向量和测试模式向量相似度的隐喻序参量和情感序参量； 基于协同学原理构建一体化动力学演化模型，根据所述隐喻序参量和情感序参量，通过隐喻序参量的一体化动力学演化模型和情感序参量的一体化动力学演化模型对序参量进行重构；并对重构后的序参量进行排序，选出最高序参量对应的原型模式向量，判定待识别句子属于该原型模式，获取待识别句子的情感隐喻标注模式； 根据所述情感隐喻标注模式识别文本中的隐喻标签和情感类别，得到情感隐喻识别结果。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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”。