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！

龙图腾网获悉中国科学技术大学申请的专利一种融合性格特征的多模态共情对话生成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：CN119783691B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411966445.5，技术领域涉及：G06F40/35；该发明授权一种融合性格特征的多模态共情对话生成方法是由王上飞;吴家强;黄晅东;朱周安设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种融合性格特征的多模态共情对话生成方法在说明书摘要公布了：本发明公开了一种融合性格特征的多模态共情对话生成方法，其步骤包括：1.构建包含性格特征标签和情绪标签的多模态数据集合；2.训练性格特征分类器；3.识别用户的性格特征标签；4.识别用户的情绪标签；5.生成共情回复。本发明在多模态共情对话生成中融合了用户的性格特征，构建能在多模态场景下生成符合用户性格特点和表达习惯的共情对话深度网络，从而提升多模态共情对话系统的共情表达水平以及用户对人机交互的满意度。

本发明授权一种融合性格特征的多模态共情对话生成方法在权利要求书中公布了：1.一种融合性格特征的多模态共情对话生成方法，其特征在于，是按如下步骤进行： 步骤1、构建包含性格特征标签和情绪标签的多模态数据集合；其中，表示第个用户的多模态信息，表示第个用户的视觉模态数据，表示第个用户分词后的文本模态数据，表示第个用户的性格特征标签，表示第个用户的情绪标签，为用户的总数；其中，，表示分词后的第条文本模态数据中的第个单词，表示第条文本模态数据的长度； 步骤2、使用词袋模型生成的特征向量集合；使用特征向量集合生成的似然概率，其中，表示特征向量集合中的向量；从而利用式1构建性格特征分类器的优化目标，并训练性格特征分类器： 1 式1中，表示的后验概率；表示成正比例；表示的似然概率；表示的先验概率； 步骤3、识别用户s的性格特征标签及其向量表征； 步骤4、构建情绪分类器并对和进行处理，预测第个用户的情绪标签；从而利用式2构建情绪分类器的交叉熵损失函数： 2 步骤4.1、使用预训练语言模型GPT-2提取的文本模态特征；使用预训练视觉语言模型BLIP提取的视觉模态特征；其中，表示特征的维度； 步骤4.2、情绪分类器将视觉模态特征通过线性变换映射到查询和键值向量空间，从而利用式5计算的自注意力： 5 式5中，分别表示将视觉模态特征映射到查询和键值向量空间的待学习的3个参数，是隐藏层的维度；表示softmax函数； 步骤4.3、按照步骤4.2的步骤计算文本模态特征的自注意力； 步骤4.4、情绪分类器将作为查询向量，将作为键和值向量，计算第个用户的跨模态注意力；再将跨模态注意力经过前馈层和归一化层处理之后，得到隐藏层的输出向量；从而利用式6得到第个用户的情绪预测标签： 6 式6中，表示线性分类层，是中待学习的参数；表示情绪标签的种类数； 步骤5、利用语言模型对第个用户的多模态信息进行处理，得到对第个用户的共情回复的概率分布，从而利用式3构建语言模型的负对数最大似然损失： 3 式3中，表示求期望； 步骤6、利用式4构建由情绪分类器和语言模型构成的融合性格特征的多模态共情对话生成模型的总损失函数： 4 式4中，和是2个超参数； 步骤7、基于总损失函数，使用Adam优化器对所述融合性格特征的多模态共情对话生成模型进行训练，并计算总损失函数，依据反向传播和梯度下降法来更新网络参数，直到迭代次数达到最大值时或总损失函数不再继续减小时，停止训练步骤，从而得到最优融合性格特征的多模态共情对话生成模型，用于生成共情对话。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。

以上内容由龙图腾AI智能生成。