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！

龙图腾网获悉龙马智芯(珠海横琴)科技有限公司申请的专利基于深度迁移学习的碎片数据跨模态标签生成系统及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：CN120744707B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511262980.7，技术领域涉及：G06F18/243；该发明授权基于深度迁移学习的碎片数据跨模态标签生成系统及方法是由请求不公布姓名设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本基于深度迁移学习的碎片数据跨模态标签生成系统及方法在说明书摘要公布了：本申请提供了一种基于深度迁移学习的碎片数据跨模态标签生成系统及方法。该方法包括：提取不同模态下的第一高维特征向量；通过跨模态对比损失函数将不同模态的第一高维特征向量映射到同一语义空间中实现多模态对齐及融合得到第二高维特征向量；采用小样本迁移学习算法，基于碎片化数据成分标注第二高维特征向量对应的语义标签；采用多通道哈希编码器，针对不同模态数据组合调用自适应编码策略，将第二高维特征向量编码为多通道的二进制哈希编码；结合增量式图神经网络，将二进制哈希编码以及对应的语义标签动态扩充到历史知识图谱中；为目标知识图谱中不同实体组合的语义差异化特征建立匹配的细粒度标签，结合三矩阵层次化构建获得跨模态标签树。

本发明授权基于深度迁移学习的碎片数据跨模态标签生成系统及方法在权利要求书中公布了：1.一种基于深度迁移学习的碎片数据跨模态标签生成方法，其特征在于，所述方法包括： 获取待处理的原始多模态数据；采用多分支深度特征提取网络，针对不同模态数据特性，运用不同深度学习模式从所述原始多模态数据中提取不同模态下的第一高维特征向量； 通过跨模态对比损失函数，将不同模态下的第一高维特征向量映射到同一语义空间中，实现第一高维特征向量的多模态对齐及融合处理，得到具有统一语义度量的第二高维特征向量； 采用小样本迁移学习算法，基于所述原始多模态数据中的碎片化数据成分，标注所述第二高维特征向量对应的语义标签； 采用多通道哈希编码器，针对不同模态数据组合调用不同的自适应编码策略，将所述第二高维特征向量编码为多通道的二进制哈希编码； 结合增量式图神经网络IncGNN，将所述二进制哈希编码以及对应的语义标签动态扩充到历史知识图谱中，得到更新后的目标知识图谱，包括：将新增语义标签对应的二进制哈希编码，通过双曲正切函数转换为实值向量；利用IncGNN的增量更新机制，将转换后的实值向量与历史知识图谱的历史实体中语义相近的节点嵌入进行聚合，以得到新增实体；通过余弦相似度计算新嵌入的新增实体与历史实体的语义距离，衡量新增实体与历史实体在特征空间中的接近程度，以获得新增实体与历史实体的语义相似度；若所述语义相似度超过设定阈值，则按照跨模态特征的语义关联关系建立新增实体与历史实体之间的关系边，根据哈希编码的汉明相似度与所述语义相似度设置新增实体与历史实体之间的关系权重，以完成历史知识图谱的更新，获得目标知识图谱； 采用包含局部结构增强对比模块的图卷积网络GCN，为所述目标知识图谱中不同实体组合后的语义差异化特征建立匹配的细粒度标签，结合第一标签关联矩阵、第二标签关联矩阵、第三标签关联矩阵，将所述目标知识图谱中的细粒度标签进行层级化构建，以获得所述目标知识图谱对应的跨模态标签树。

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龙马智芯(珠海横琴)科技有限公司，其通讯地址为：519031 广东省珠海市横琴新区联澳路1号1316办公；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。