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！

龙图腾网获悉深圳市视壮科技有限公司申请的专利一种基于养老机器人的健康监测方法及其养老机器人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：CN118969200B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202410979754.X，技术领域涉及：G16H20/70；该发明授权一种基于养老机器人的健康监测方法及其养老机器人是由彭孔涛;李文华;曹忠文设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本一种基于养老机器人的健康监测方法及其养老机器人在说明书摘要公布了：本发明涉人工智能技术领域，提供一种基于养老机器人的健康监测方法及其养老机器人，该方法包括：基于养老机器人获取用户在社交平台发布的历史贴文；基于历史贴文通过预设的大语言模型提取抑郁症状特征、情绪历程特征和文本历史特征；将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，构建最终特征向量；将所述最终特征向量输入至预训练的预测模型，通过所述预测模型经过多次迭代后输出预测值，基于预测值生成解释性输出。本发明提高了抑郁症判断准确性以及降低了预测成本。

本发明授权一种基于养老机器人的健康监测方法及其养老机器人在权利要求书中公布了：1.一种基于养老机器人的健康监测方法，其特征在于，包括： 基于养老机器人获取用户在社交平台发布的历史贴文； 基于历史贴文通过预设的大语言模型提取抑郁症状特征、情绪历程特征和文本历史特征； 将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，构建最终特征向量； 将所述最终特征向量输入至预训练的预测模型，通过所述预测模型经过多次迭代后输出预测值，基于预测值生成解释性输出； 其中，所述基于历史贴文提取抑郁症状特征，具体包括： 基于历史贴文通过预设的文本嵌入模型将贴文内容与症状模板进行文本嵌入； 计算每个历史贴文与症状模板之间的平均相似度，通过预设的用于注释的大语言模型对超出第一预设值的平均相似度对应的历史贴文进行注释； 根据经过用于注释的大语言模型注释的历史贴文对应的症状模板计算抑郁症状向量，获取抑郁症状特征； 使用文本嵌入模型获取所有症状模板的文本嵌入： 对于i＝A到I； 对于每个帖子p，计算其嵌入如下： Hp＝编码器p； 计算帖子p与每个症状模板之间的平均相似度： Simp＝meanSimHp,Hi，对于i＝A到I； 其中，Simp代表帖子p的抑郁风险水平；使用LLM注释具有最高k％Simp分数的帖子，所有其他帖子的抑郁症状向量Ep直接设置为零向量；k是超参数；对于每个用户u，平均所有的抑郁症状向量，以获得的诊断标准特征 其中，N是用户u的帖子总数； 所述基于历史贴文提取情绪历程特征，具体包括： 获取历史贴文，通过预设的情绪嵌入模型将贴文内容与情绪模板进行文本嵌入； 计算所有历史贴文与每个情绪模板之间的相似度，获取相似度超过第二预设值的历史贴文，形成情绪集合； 基于所述情绪集合通过预设的用于情绪描述的大语言模型合成用户的情绪历程描述，获取情绪历程特征； 对于每个情绪模板，使用预训练的文本嵌入模型生成表示： 对于j＝1,2,…,5； 对于每个帖子p，获取其表征Hp；计算帖子p和每个情绪模板之间的相似度：对于j＝1,2,…,5； 对于每个情绪j，保留相似度排在前m％的帖子，形成集合Sj；m是超参数；具有高情感浓度的最终帖子集合S是所有Sj的并集；对于每个用户u，将的历史帖子集Pu与高情感浓度帖子集合S取交集，得到基于情感表达帖子的子集，使用LLM合成用户u的情绪历程描述TMC； 计算TMC的嵌入：HMC＝编码器TMC； 用户u的情绪历程表示计算如下： 其中是中帖子的总数； 所述将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接，构建最终特征向量，具体包括： 将所述情绪历程特征和文本历史特征进行直接集成相加，生成中间特征； 基于所述中间特征与抑郁症状特征进行拼接，生成最终特征向量； 构建了用户帖子历史的表示： 其中Hp是第p个帖子的嵌入，而N是用户帖子的总数； 情绪历程特征FMC和文本历史特征FPH为共享同一空间的特征，抑郁症状特征FDC存在于不同的空间中，最终特征向量F如下获得： F＝ConcatFMC+FPH,FDC。

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深圳市视壮科技有限公司，其通讯地址为：518000 广东省深圳市宝安区新安街道大浪社区28区陆氏工业大厦厂房604；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”。