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！

龙图腾网获悉南京小冻梨智能科技有限公司申请的专利基于深度神经网络修正老人对话意图信息的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：CN119577522B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510125480.2，技术领域涉及：G06F18/24；该发明授权基于深度神经网络修正老人对话意图信息的方法是由孙浩设计研发完成，并于2025-01-27向国家知识产权局提交的专利申请。

本基于深度神经网络修正老人对话意图信息的方法在说明书摘要公布了：本发明公开了基于深度神经网络修正老人对话意图信息的方法，具体涉及对话优化技术领域，是通过采集并清洗多话题的多轮对话数据，标注多轮对话语料并统一格式；利用多意图识别子模型对标注完成的语料进行特征提取，生成能够表征各意图的多意图表征向量；结合用户上下文动态权重调整的层次注意力机制筛选与目标意图相关的上下文内容；通过基于多轮交互历史的门控操作处理目标意图相关的上下文内容，保留具有参考价值的语义片段；基于深度神经网络的多任务学习结构对参考语义片段进行并行分析，分别对不同意图进行分类处理并计算评分；根据分类和评分结果执行多意图融合修正操作，输出能够区分各意图的意图信息。

本发明授权基于深度神经网络修正老人对话意图信息的方法在权利要求书中公布了：1.基于深度神经网络修正老人对话意图信息的方法，其特征在于，包括如下步骤：S1：采集清洗包含多话题的多轮对话数据，标注多轮对话语料并统一格式；S2：利用多意图识别子模型对标注完成的多轮对话语料进行话题特征提取，生成能够表征各意图的多意图表征向量；S3：采用结合用户上下文动态权重调整的层次注意力机制对多意图表征向量进行关联计算，筛选与目标意图相关的上下文内容；S4：通过基于多轮交互历史的门控操作处理目标意图相关的上下文内容，保留对意图修正具有参考价值的参考语义片段；S5：基于深度神经网络的多任务学习结构对参考语义片段进行并行分析，分别对不同意图进行分类处理并计算每个意图的评分；S6：根据分类处理和意图的评分的结果执行多意图融合修正操作，输出能够区分各意图的意图信息； 利用多意图识别子模型对标注完成的多轮对话语料进行话题特征提取，生成能够表征各意图的多意图表征向量，具体包括：通过对标注完成的多轮对话语料输入预训练的多意图识别子模型，解析每轮对话的文本内容，并提取与话题特征相关的语义信息；在多意图识别子模型中，利用语义分析模块对每轮对话的文本内容进行特征提取，提取的特征包括话题类别的语义特征和意图类别的语义特征；使用嵌入向量生成模块对提取的语义特征进行嵌入表示，生成能够表征话题类别和意图类别的初始向量；通过多意图识别子模型的特征融合模块对每轮对话生成的初始向量进行融合计算，得到能够综合表征多个意图类别和话题类别的多意图表征向量； 采用结合用户上下文动态权重调整的层次注意力机制对多意图表征向量进行关联计算，筛选与目标意图相关的上下文内容，具体包括：对多意图表征向量按照预定义的注意力层级进行分层处理，每一层分别针对用户上下文信息中的不同维度特征分配初始权重；根据当前用户上下文信息的历史对话内容和语义特征，动态调整各层注意力的权重分配；在每一层注意力机制中，根据调整后的权重分配对多意图表征向量进行加权计算，得到各层次中不同意图类别的权重分布；通过多层注意力机制的加权结果和得到目标意图相关的上下文信息，筛选出与当前目标意图关联性最强的语义片段；对与当前目标意图关联性最强的语义片段进行统一处理，生成能够表征目标意图的上下文内容表示； 动态调整各层注意力的权重分配的具体公式如下：；其中，表示调整后的第层注意力权重，表示第层的初始权重，表示用户上下文信息与第层的多意图表征向量输入的相似度，表示用户上下文信息，表示第层的多意图表征向量输入；通过基于多轮交互历史的门控操作处理目标意图相关的上下文内容，保留对意图修正具有参考价值的参考语义片段，具体包括：从与目标意图相关的上下文内容中提取用户多轮交互历史信息，包括对话轮次、上下文语义片段以及与目标意图关联的时间序列特征；对提取的用户多轮交互历史信息进行特征筛选，根据与目标意图的相关性为每条历史信息分配初始权重，并剔除与目标意图相关性低于预设阈值的历史信息；在分配初始权重的基础上，通过门控操作对目标意图相关的上下文内容进行筛选，具体包括根据每条历史信息的权重动态调整门控阈值以筛选出满足门控条件的上下文内容；将通过门控操作筛选出的上下文内容进行规范化处理，包括对筛选出的上下文语义片段进行时间序列排序及内容结构化，并将规范化处理后的上下文内容存储为参考语义片段； 基于深度神经网络的多任务学习结构对参考语义片段进行并行分析，分别对不同意图进行分类处理并计算每个意图的评分，具体包括：按照参考语义片段的上下文关联性和时间序列特征对其进行预处理；构建深度神经网络的多任务学习结构，其中包括意图分类任务和意图评分任务，意图分类任务用于识别参考语义片段对应的意图类别，意图评分任务用于计算每个意图的权重评分；在多任务学习结构中，分别对预处理后的参考语义片段进行并行处理，意图分类任务对每个语义片段进行分类以确定其所属意图类别；在意图评分任务中，基于参考语义片段的语义特征和上下文关系，对每个意图类别进行评分，评分依据包括语义片段与目标意图的关联程度以及时间序列特征；将意图分类和意图评分的结果进行整合，生成每个参考语义片段的分类标签和评分值； 根据分类处理和意图的评分的结果执行多意图融合修正操作，输出能够区分各意图的意图信息，具体包括：接收由分类处理和意图评分结果生成的分类标签及评分值，按照意图类别对分类标签进行聚合处理，初步形成意图类别的分类集合；基于分类集合中的意图类别及其评分值，按评分值从高到低的顺序对意图类别进行排序，筛选出评分最高的意图类别作为主要意图；对评分较低但具有一定关联性的意图类别进行语义补充处理，将其与主要意图融合形成多意图的综合修正结果；通过多意图融合算法对主要意图与相关意图的语义信息进行融合处理，生成能够区分各意图的意图信息；将融合修正后的意图信息结构化存储，输出能够区分主要意图与相关意图的明确分类结果。

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小冻梨智能科技有限公司，其通讯地址为：210000 江苏省南京市经济技术开发区兴智路6号兴智科技园C栋1309室；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”。