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！

龙图腾网获悉河北利家沁科技有限公司申请的专利一种多模态深度学习内容安全过滤模型训练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：CN120975169B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511110103.8，技术领域涉及：G06N3/0895；该发明授权一种多模态深度学习内容安全过滤模型训练方法是由张萌;辛丽文;张婧;白金泽设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本一种多模态深度学习内容安全过滤模型训练方法在说明书摘要公布了：本发明公开了一种多模态深度学习内容安全过滤模型训练方法，涉及内容安全模型训练技术领域，具体步骤包括：S1、构建半监督多模态标注框架，降低标注成本并提高标注一致性，S2、设计分层级多模态特征融合网络，简化模型复杂度，S3、引入跨模态‑同标签对比损失，强制同类安全标签的多模态特征在融合空间中聚集，避免模态间的语义偏移，本发明通过将多模态特征建模为异质图结构，捕捉模态内细粒度特征与模态间高阶关联，引入跨模态‑同标签对比损失，强制同类安全标签的多模态特征在融合空间中聚集，避免模态间的语义偏移，提供建立对比损失函数，提升跨模态一致性。

本发明授权一种多模态深度学习内容安全过滤模型训练方法在权利要求书中公布了：1.一种多模态深度学习内容安全过滤模型训练方法，其特征在于，包括： S1、构建半监督多模态标注框架，降低标注成本并提高标注一致性； 多模态标注框架用于处理文本模态、图像模态与音频模态数据； S1.1、通过跨模态语义映射算法生成初始多模态标注结果； S1.2、对不同模态标注结果进行一致性检查，计算各模态标注结果的置信度； S2、设计分层级多模态特征融合网络，简化模型复杂度； S2.1、针对不同模态数据，分别采用轻量化的特征提取网络； S2.2、将多模态特征建模为异质图结构，捕捉模态内细粒度特征与模态间高阶关联； 通过每个词或短语划分节点，确定文本特征矩阵，通过每个视觉区域或目标划分节点，确定图像特征矩阵，通过每个时间片段划分节点确定音频特征矩阵； S2.3、设计门控网络动态确定每个模态的贡献度； S3、引入跨模态-同标签对比损失，强制同类安全标签的多模态特征在融合空间中聚集，避免模态间的语义偏移； S3.1、在训练数据中明确正样本对和负样本对； S3.2、建立对比损失函数，通过语义对齐提升跨模态一致性。

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河北利家沁科技有限公司，其通讯地址为：050000 河北省石家庄市新华区北苑街道友谊北大街228号英华大厦2楼203室；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。