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！

龙图腾网获悉快上云(上海)网络科技有限公司申请的专利一种基于用户画像的老人陪伴智能对话方法及系统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：CN120998202B 。

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：202511525378.8，技术领域涉及：G10L15/22；该发明授权一种基于用户画像的老人陪伴智能对话方法及系统是由齐晓民;张诏;刘治宇设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本一种基于用户画像的老人陪伴智能对话方法及系统在说明书摘要公布了：本发明公开了一种基于用户画像的老人陪伴智能对话方法及系统，涉及智能交互技术领域，包括基于多模态数据计算用户特征，拼接为用户画像向量，将语音生成帧序列，计算交互特征向量，构建交互序列，生成前缀树，提取所有路径，计算支持度，生成候选模式集；提取候选模式集中每条模式对应的意图标签，生成频繁模式集，并计算相似度，生成关联意图标签和置信度，提取用户画像向量中频率特征，拼接为兴趣特征子向量，计算联合效用，并选择最大值作为最优意图。本发明通过前缀树与频繁模式挖掘结合交互序列聚类，增强了对老年人长期交互行为规律的捕捉能力，通过兴趣效用与匹配效用相结合，提高了意图推断的准确性。

本发明授权一种基于用户画像的老人陪伴智能对话方法及系统在权利要求书中公布了：1.一种基于用户画像的老人陪伴智能对话方法，其特征在于：包括， 收集多模态数据并进行预处理，基于多模态数据计算用户特征，拼接为用户画像向量，将多模态数据中语音按照时间顺序排序生成帧序列，计算交互特征向量； 构建交互序列，生成前缀树，提取所有路径，计算支持度，生成候选模式集； 提取候选模式集中每条模式对应的意图标签，生成频繁模式集，并计算相似度，生成关联意图标签和置信度，提取用户画像向量中频率特征，拼接为兴趣特征子向量，计算联合效用，并选择最大值作为最优意图； 提取最优意图对应的文本，转换为TF-IDF向量，计算语义得分，生成最终的对比片段，加载预训练语言模型生成对话句子，与老人进行智能对话； 所述构建交互序列，生成前缀树，提取所有路径，计算支持度，生成候选模式集，包括： 基于多模态数据计算用户特征，使用向量拼接法将用户特征，拼接为用户画像向量； 将语音按照时间顺序排序，生成帧序列； 使用延迟坐标法为帧序列构造相空间向量，基于相空间向量，计算李雅普诺夫指数和分形维度； 基于帧序列，计算短时能量； 将李雅普诺夫指数、分形维度以及短时能量，拼接为帧特征向量，并计算均值，定义为交互特征向量； 收集历史交互数据，构建交互序列； 使用K均值聚类对交互序列中交互特征向量进行聚类，生成状态三元组，构建量化交互序列，公式为： ， 其中为量化交互序列，、以及为第i次交互的量化状态标签，分别对应李雅普诺夫指数、分形维度以及短时能量，表示状态三元组，为第i帧特征向量，为第次交互时间戳，为交互索引，为交互序列； 初始化空前缀树，根节点为空，按时间顺序将交互序列的状态三元组插入树，每节点存储三元组，边表示时间转移，节点记录出现次数，生成前缀树； 使用深度优先搜索遍历前缀树，提取所有路径，计算支持度，公式为： ， 其中为路径的支持度，为路径末节点出现次数，为所有路径集，为所有路径集中任意一条路径； 对支持度进行阈值筛选，生成候选模式集； 所述提取候选模式集中每条模式对应的意图标签，生成频繁模式集，并计算相似度，生成关联意图标签和置信度，包括： 对候选模式集中每条模式，根据量化交互序列的时间戳，从历史交互数据提取对应的意图标签，生成频繁模式集，公式为： ， ， 其中为候选模式集中模式路径关联的意图标签，为历史交互数据提取对应的意图标签，为模式对应意图的出现次数，为频繁模式集，为频繁模式序列； 使用滑动窗口法设定时间窗口，从交互序列中选取时间窗口内的交互记录，按照时间戳升序排序，生成近期交互特征集； 提取近期交互特征集对应的交互特征向量，加入近期交互特征集，生成子序列，公式为： ， 其中为子序列，为近期交互特征集，为近期交互特征向量，为近期交互数据时间戳； 使用K均值聚类对子序列中近期交互特征向量进行聚类，生成状态三元组，构建量化子序列； 基于频繁模式集中每条模式和量化子序列，计算相似度，公式为： ， 其中为序列相似度，为量化子序列，为第个频繁模式； 选取最大相似度的模式，获取对应的关联意图标签； 基于相似度，计算置信度； 所述计算联合效用，并选择最大值作为最优意图，包括： 收集具有标签的历史交互数据，转化为文本数据并进行文本清洗，并计算词向量，为每个标签手动定义初始关键词向量集，计算每个词向量与初始关键词集的词向量交集，并分配话题标签，得到标注语料库，公式为： ， ， ， 其中为词向量集与关键词向量集的交集大小，为第个兴趣标签的初始关键词向量集，为第条文本的词向量集，为第次文本的话题标签，为标注语料库，为文本数量； 使用TF-IDF法计算交互数据的TF-IDF向量，提取标注语料库中关键词集的词向量，计算余弦相似度，并分配兴趣标签，公式为： ， 其中为第次交互分配的兴趣标签，和分别为第次交互的TF-IDF向量和第次关键词集的词向量，为余弦相似度； 统计每个兴趣标签的出现次数，并进行归一化处理，生成频率特征，公式为： ， 其中为兴趣标签的频率特征，为兴趣标签数据，为第次交互分配的兴趣标签； 提取用户画像向量中频率特征，拼接为兴趣特征子向量，计算意图的兴趣效用，公式为： ， 其中为第个意图的兴趣效用，为第u个兴趣特征子向量，为第次兴趣特征子向量； 将关联意图标签和兴趣标签对应的交互数据转换为TF-IDF向量，并计算余弦相似度，定义为意图的匹配效用； 计算兴趣效用和匹配效用的均值，得到联合效用，并选择最大值作为最优意图； 所述提取最优意图对应的文本，转换为TF-IDF向量，计算语义得分，生成最终的对比片段，包括： 提取最优意图对应的文本，转换为TF-IDF向量，并计算与标注语料库中文本片段的语义相似度，公式为： ， 其中为片段与最优意图的语义相似度，为第i个对话片段，为最优意图索引，和分别为最优意图和对话片段的TF-IDF向量； 筛选相似度大于相似度阈值的片段，形成候选片段子集； 提取候选片段子集中每个候选片段，计算语义得分，公式为： ， 其中为对话片段的语义得分，为当前意图标签的TF-IDF向量，为最优意图的联合效用； 选择最大语义得分的对话片段，作为最终的对比片段。

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快上云(上海)网络科技有限公司，其通讯地址为：201207 上海市浦东新区中国(上海)自由贸易试验区芳春路400号1幢3层；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。