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！

龙图腾网获悉电子科技大学申请的专利一种基于深度学习的对话意图理解和解释文本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：CN119886352B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411984710.2，技术领域涉及：G06N5/04；该发明授权一种基于深度学习的对话意图理解和解释文本生成方法是由何涛;董谦;段贵多;张东阳;胡辛;董悦洲设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于深度学习的对话意图理解和解释文本生成方法在说明书摘要公布了：本发明提供了一种基于深度学习的对话意图理解和解释文本生成方法，包括训练过程和预测过程，在训练过程，首先获取样本数据并进行预处理，接着通过预训练的多模态编码器提取特征向量，然后通过投影对齐特征向量，并输入到语言模型的隐藏层，得到分类结果，最后通过自批评学习方法训练生成模型，基于分类类别优化输出文本，得到和场景等多模态数据紧密相关的解释生成文本；在预测过程，在获取多模态样本并进行预处理后，通过预训练的多模态编码器将数据嵌入到统一向量空间，然后输入嵌入向量到训练完成的可解释的多模态意图识别模型，模型的分类部分得到意图类别，生成部分得到自然语言生成的意图解释。本发明实现了在意图分类的同时生成解释文本。

本发明授权一种基于深度学习的对话意图理解和解释文本生成方法在权利要求书中公布了：1.一种基于深度学习的对话意图理解和解释文本生成方法，其特征在于，所述方法包括训练过程和预测过程，训练过程包括： 步骤A1：获取对话视频、音频和对应转述文本并进行预处理，预处理包括将文本转为令牌，并对音频视频进行裁剪后令牌化，同时获取标注对话意图的类别标签； 步骤A2：构建可解释的多模态意图识别模型，可解释的多模态意图识别模型包括多模态编码器模型、意图分类模型和解释文本生成模型，其中，意图分类模型和解释文本生成模型共用预训练transformer，多模态编码器模型包括向量嵌入和适配器，向量嵌入用于将输入的音视频片段嵌入到向量空间，适配器用于将音频和视频模态通过投影适配器加入到多模态模型中；transformer包括分词和编码化、添加位置编码、多头自注意力、加总和正则化和前馈神经网络，多头自注意力利用多个查询来平行地计算从输入信息中选取多个信息，每个注意力关注输入信息的不同部分，然后再进行拼接，前馈神经网络将多头自注意力的多个输出通过拼接和矩阵乘法转换为一个矩阵的尺寸，加总和正则化是把输入转化成均值为0方差为1的数据，对数据进行归一化；意图分类模型的分类结构由分类器和softmax函数提供标签概率分布，解释文本生成模型的解释结构由全连接网络和向量接近排序的topk结构得到近似向量排序，temperature决定在最近似的前n个向量中选择一个作为生成的单词，de‑tokenizer把向量通过查表转换为文字，得到文字解释； 步骤A3：通过预训练的多模态编码器模型将对话视频、音频和文本嵌入到统一向量空间，得到每个令牌的向量表示； 步骤A4：利用意图分类模型的意图的分类损失训练意图分类模型的分类权重，并通过意图分类模型得到意图分类的结果； 步骤A5：在训练意图分类模型时，使用自批评学习方法优化解释文本生成模型，通过计算意图解释文本和向量表示的相似度，并根据相似度度量的自批评反馈训练解释文本生成模型的权重，以增大解释文本和向量表示的相似度； 预测过程包括： 步骤B1：获取样本数据并进行预处理，样本数据包括对话视频、音频和对应的转述文本，裁切视频音频为片段，并将文本和裁切后的视频音频片段全部令牌化； 步骤B2：通过预训练的多模态编码器将对话视频、音频和文本嵌入到统一向量空间； 步骤B3：输入嵌入向量到训练完成的可解释的多模态意图识别模型，模型的分类部分得到意图类别，生成部分得到自然语言生成的意图解释。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。