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！

龙图腾网获悉北京航空航天大学杭州创新研究院;北京航空航天大学申请的专利基于多模态缺失数据的情感识别方法、装置、设备和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：CN120654201B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511129153.0，技术领域涉及：G10L25/63；该发明授权基于多模态缺失数据的情感识别方法、装置、设备和介质是由任敏捷;傅泽华;胡征慧;刘庆杰;黄迪;王蕴红设计研发完成，并于2025-08-13向国家知识产权局提交的专利申请。

本基于多模态缺失数据的情感识别方法、装置、设备和介质在说明书摘要公布了：本公开的实施例公开了基于多模态缺失数据的情感识别方法、装置、设备和介质。该方法的一具体实施方式包括：生成多模态情感数据序列集；执行以下步骤：得到对应多模态情感数据的文本模态特征信息、音频模态特征信息和视频模态特征信息；生成对应多模态情感数据的多模态情感融合特征信息；构建多模态时序关系矩阵和说话人关系矩阵；生成多模态图特征信息；生成重建文本卷积特征、重建音频卷积特征和重建视频卷积特征；生成重建融合特征信息；生成多模态情感识别结果；将所生成的各个多模态情感识别结果发送至用户终端。该实施方式可以提高情感识别时的准确率，可以减少识别时的计算资源浪费。

本发明授权基于多模态缺失数据的情感识别方法、装置、设备和介质在权利要求书中公布了：1.一种基于多模态缺失数据的情感识别方法，包括： 响应于接收到用户终端发送的多模态语句序列集，基于所述多模态语句序列集，生成多模态情感数据序列集； 对于所述多模态情感数据序列集中的每个多模态情感数据，执行以下步骤： 对所述多模态情感数据进行特征提取处理，得到对应所述多模态情感数据的文本模态特征信息、音频模态特征信息和视频模态特征信息； 基于所述文本模态特征信息、所述音频模态特征信息和所述视频模态特征信息，生成对应所述多模态情感数据的多模态情感融合特征信息； 基于所述多模态情感数据，构建多模态时序关系矩阵和说话人关系矩阵； 基于所述多模态情感融合特征信息、所述多模态时序关系矩阵和所述说话人关系矩阵，生成多模态图特征信息； 基于所述多模态图特征信息、所述多模态情感融合特征信息和预先训练的情感识别模型中的条件扩散生成网络，生成重建文本卷积特征、重建音频卷积特征和重建视频卷积特征，其中，所述情感识别模型是通过以下步骤训练得到的： 获取样本集，其中，所述样本集中的每个样本包括样本多模态特征信息、样本多模态图特征信息、样本多模态情感融合特征信息和样本情感识别结果； 基于样本集，执行以下训练步骤： 对于样本集中至少一个样本中的每个样本，将所述样本包括的样本多模态情感融合特征信息和所述样本多模态图特征信息输入至初始神经网络，得到对应所述样本的样本重建文本卷积特征、样本重建音频卷积特征、样本重建视频卷积特征、样本重建融合特征信息和情感识别结果，其中，初始神经网络包括条件扩散生成网络、特征处理网络和分类网络； 基于条件扩散生成网络、所述至少一个样本对应的各个情感识别结果、各个样本重建文本卷积特征、各个样本重建音频卷积特征、各个样本重建视频卷积特征、所述至少一个样本包括的各个样本情感识别结果、各个样本多模态特征信息和各个样本多模态图特征信息，生成分类损失数据； 响应于确定所述分类损失数据满足预设的分类损失条件，将初始神经网络确定为情感识别模型； 基于所述重建文本卷积特征、所述重建音频卷积特征、所述重建视频卷积特征、所述多模态图特征信息和所述情感识别模型中的特征处理网络，生成重建融合特征信息； 基于所述重建融合特征信息和所述情感识别模型中的分类网络，生成多模态情感识别结果； 将所生成的各个多模态情感识别结果发送至所述用户终端。

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北京航空航天大学杭州创新研究院;北京航空航天大学，其通讯地址为：310050 浙江省杭州市滨江区长河街道炬航弄99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。