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！

龙图腾网获悉重庆邮电大学申请的专利基于双图注意力神经网络和对比学习的对话情绪识别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：CN119938928B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510028268.4，技术领域涉及：G06F16/353；该发明授权基于双图注意力神经网络和对比学习的对话情绪识别方法是由张璞;李玉川;林雨;黄荣耀设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本基于双图注意力神经网络和对比学习的对话情绪识别方法在说明书摘要公布了：本发明属于自然语言处理与对话情绪识别领域，具体涉及一种基于双图注意力神经网络和对比学习的对话情绪识别方法，包括：对数据集进行预处理；将预处理后的数据输入到训练好的对话情绪识别模型中，得到对话中每句发言属于各个情感类别的概率。所述对话情绪识别模型包括双图注意力神经网络模型和对比学习模块，本发明利用包含两个异构图神经网络的双图注意力神经网络模型获取上下文相关的发言情感特征，解决了以往方法中，简单结构的图神经网络提取信息能力弱和复杂结构的图神经网络容易产生噪声的问题；再利用对比学习模块计算经模型提取后的发言特征之间的相似度，并依此计算损失，用于解决以往方法中少样本的情感分类准确率低的问题。

本发明授权基于双图注意力神经网络和对比学习的对话情绪识别方法在权利要求书中公布了：1.一种基于双图注意力神经网络和对比学习的对话情绪识别方法，其特征在于，包括： 对对话数据集进行预处理；将预处理后的数据输入到训练好的对话情绪识别模型中，得到对话中每一句发言属于某个情感类别的概率，根据概率输出每一句发言所属的情感类别； 所述对话情绪识别模型包括：RoBERTa模型、双图注意力神经网络、交叉注意力机制模块、softmax分类层和对比学习模块； 所述双图注意力神经网络包括：全局上下文图神经网络GLGAT和局部上下文图神经网络LOGAT； 训练对话情绪识别模型的过程包括： S1：获取原始对话数据集，对数据集进行划分，得到训练集和测试集；对训练集中的数据进行预处理； S2：将预处理后的数据输入到RoBERTa模型中，生成每句发言的初始语义表征； S3：将初始语义表征输入到双图注意力神经网络中，分别得到局部上下文语义表征Hlo和全局上下文语义表征Hgl； S4：将局部和全局上下文语义表征输入交叉注意力机制模块中进行交互，得到融合后的对话语义表征； 将局部和全局上下文语义表征输入交叉注意力机制模块中进行交互，得到融合后的对话语义表征，包括： S41：将局部、全局上下文语义表征Hlo,Hgl通过交叉注意力机制函数计算，得到两个表征矩阵关于彼此的注意力系数矩阵； 其中，softmax.表示归一化函数，W表示可训练的参数矩阵，T表示矩阵转置，Hl表示图神经网络在第l次更新后输出的节点表征，n为差分超参数，使得两个图神经网络在信息交互前，LOGAT将进行n次的内部节点更新，而GLGAT则只进行1次更新，Agtl表示GLGAT的对于LOGAT表征的注意度权重矩阵，Altg表示LOGAT的对于GLGAT表征的注意度权重矩阵； S42：将局部、全局上下文语义表征Hgl,Hlo与对应的注意力系数矩阵Agtl，Altg相乘得到融合后的对话语义表征； H′＝{Hgl′,Hlo′} 其中，Hgl′,Hlo′分别为GLGAT和LOGAT经过交叉注意力计算后得到的表征，H′表示图神经网络在一次更新后输出的对话语义表征； S5：基于融合后的对话语义表征获取用于情感分类的对话情感表征； S6：对对话情感表征进行softmax分类，得到每一句发言的情感类别；设置迭代次数初始值； S7：将对话情感表征输入由辅助集辅助的对比学习模块，计算对比学习损失； S8：采用交叉熵损失函数计算情感分类的损失，并连同对比学习损失一起用于训练模型； S9：采用Adam算法优化模型； S10：判断迭代次数是否达到最大迭代次数，如果达到，则完成对话情绪识别模型的训练，否则返回步骤S8，迭代次数加1。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。