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！

龙图腾网获悉昆明理工大学申请的专利基于提示的双层跨模态蒸馏学习的多模态方面情感分析方法、系统、电子设备、可读存储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：CN119990101B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510068400.4，技术领域涉及：G06F40/211；该发明授权基于提示的双层跨模态蒸馏学习的多模态方面情感分析方法、系统、电子设备、可读存储介质是由郭军军;徐勃设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本基于提示的双层跨模态蒸馏学习的多模态方面情感分析方法、系统、电子设备、可读存储介质在说明书摘要公布了：本发明涉及基于提示的双层跨模态蒸馏学习的多模态方面情感分析方法、系统、电子设备、可读存储介质，属于多模态情感分析技术领域。现有方法在面对实际应用中多种视觉噪声干扰时存在适应性不足的问题，大多数现有的情感分析模型是专门为特定场景设计的，难以适应如视觉模态缺失等不同的场景。在此提出本发明，本发明注重蒸馏学习和方面感知，通过由方面词构建的提示，引导模型聚焦于方面信息。通过最小化其输出与当前最佳多模态方面情感分析模型之间的蒸馏损失，能够有效的选择性学习多模态表示，即使在缺失视觉信息或存在视觉噪声干扰的情况下，也能准确预测方面的情感极性本发明在包含噪声视觉的情感分析任务中表现出极高的准确性和鲁棒性。

本发明授权基于提示的双层跨模态蒸馏学习的多模态方面情感分析方法、系统、电子设备、可读存储介质在权利要求书中公布了：1.基于提示的双层跨模态蒸馏学习的多模态方面情感分析方法，其特征在于：所述方法包括： Step1、提示生成：通过以方面词为核心的文本模板构建提示，将文本模板视为方面词的扩展，形成提示； Step2、将文本与视觉嵌入表征：使用预训练语言模型对输入的文本和提示生成嵌入表征；使用现有的多模态方面情感分析模型对输入的视觉信息及提示提取视觉方面表征； Step3、浅层和深层方面表征构建：利用浅层注意力机制计算文本与提示的浅层方面表征；使用多层Transformer进一步提取深层方面表征； Step4、门控机制过滤噪声：通过分别筛选出视觉方面表征、浅层方面表征、深层方面表征与CLS标记相关性最高的若干个token标记，并进行整合，从而过滤噪声，分别筛选出视觉门控表征、浅层门控表征和深层门控表征； Step5、双层跨模态蒸馏：对浅层门控表征与视觉门控表征计算浅层蒸馏损失；对深层门控表征与视觉门控表征计算深层蒸馏损失； Step6、模型训练与优化：通过联合优化分类损失、浅层蒸馏损失和深层蒸馏损失，训练模型在多模态场景下的情感分类能力； 所述Step1中，所述构建提示包括：使用预定义的包含固定的上下文结构的文本模板构建提示Q；用于增强模型对方面词相关语义的关注；输入的句子S和生成的提示Q将作为后续表征的基础； 所述Step4包括： Step4.1、针对视觉方面表征，通过计算每个token标记与CLS标记的余弦相似度，选择出相关性最高的k个token标记，并进行整合，从而过滤噪声，筛选出关键表征，其中，CLS标记是视觉方面表征中的第一个特征，即全局表征； 其中，相似度得分计算公式如下： 1； 其中，表示第个token标记与CLS标记之间的相似度得分； 选择相似度得分排名中前个token作为新的视觉门控表征； 2； 其中，，设置为门控系数，为BERT嵌入层的维度，并作为超参数参与训练； Step4.2、针对浅层方面表征和深层方面表征，同样应用门控机制执行Step4.1，生成门控机制处理后的浅层门控表征和深层门控表征。

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昆明理工大学，其通讯地址为：650039 云南省昆明市一二一大街文昌路68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。