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！

龙图腾网获悉语核(上海)科技有限公司;不切实际(上海)科技有限公司申请的专利一种基于大模型的个性化口味建模与配方生成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：CN121073533B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511637424.3，技术领域涉及：G06Q30/0201；该发明授权一种基于大模型的个性化口味建模与配方生成方法是由尹菡喆;栗志;黄磊设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本一种基于大模型的个性化口味建模与配方生成方法在说明书摘要公布了：本发明公开了一种基于大模型的个性化口味建模与配方生成方法，包括获取用户的多模态输入数据，对多模态输入数据进行特征提取与融合，生成标准化的多模态口味特征向量；接着通过语义解构识别生成口味语义组件，并量化多个口味语义组件的强度，聚合为解构矩阵，然后构建用户的个性化口味画像；利用生成式预训练模型生成初始配方，并对初始配方进行优化，输出最终配方；并自适应地更新用户个性化口味画像；和对生成的最终配方进行生态模拟验证，评估其长期稳定性并输出验证报告；构建了一个具备动态演化、自适应学习与生态平衡保障的味觉生态模拟环境，使得生成的最终配方更加稳定精准。

本发明授权一种基于大模型的个性化口味建模与配方生成方法在权利要求书中公布了：1.一种基于大模型的个性化口味建模与配方生成方法，其特征在于，包括以下步骤； 步骤1：获取用户的多模态输入数据，对所述多模态输入数据进行特征提取与融合，生成多模态口味特征向量； 步骤2：将所述多模态口味特征向量通过语义解构识别生成多个口味语义组件，量化各所述口味语义组件的强度，将各所述口味语义组件的强度聚合为解构矩阵； 所述步骤2具体包括以下步骤： 步骤201：使用大模型对所述多模态口味特征向量进行语义解构，提取多个口味语义组件； 步骤202：计算所述口味语义组件强度；计算所述多模态口味特征向量对每个口味语义组件的偏导数，得到语义梯度；计算该口味语义组件与其他所有口味语义组件在语义空间中的距离，基于距离倒数之和计算生态能量值；将所述语义梯度与生态能量值相乘，经指数放大、对数变换与全局缩放处理，得到该口味语义组件的强度值； 步骤203：将各所述口味语义组件的强度值进行归一化与结构化整合，生成标准化的解构矩阵； 步骤3：基于所述解构矩阵，构建用户的个性化口味画像； 步骤4：将所述个性化口味画像输入生成模型生成初始配方，并对所述初始配方进行优化，输出最终配方； 步骤5：根据用户对所述最终配方的反馈数据，自适应更新所述用户个性化口味画像； 步骤6：对更新后的所述个性化口味画像及最终配方进行生态模拟验证，并输出验证报告； 所述步骤1包括以下步骤： 步骤101：采集获取用户信息，包括文本描述、图像照片和感官数据； 步骤102：将获取的所述用户信息输入多模态预训练模型提取多模态特征并生成特征嵌入向量，在所述特征嵌入向量中引入生态位以生成融合嵌入向量，所述融合嵌入向量的生成公式如下： ； 其中，为模态类型，为模态权重，为模态间欧式距离，为生态位宽度参数，为模态的特征嵌入向量，表示文本模态，表示图像模态，表示感官模态； 步骤103：将所述融合嵌入向量归一化，输出标准化的多模态口味特征向量归一化，输出标准化的多模态口味特征向量； 基于所述步骤102的基础上引入自适应多模态融合框架融合生成优化后的融合嵌入向量： ； 其中，为模态类型，为模态权重，表示文本模态，表示图像模态，表示感官模态，为上下文自适应模态权重，：模态的特征嵌入向量与参考嵌入向量之间的核化距离，为模态的不确定性因子；为上下文自适应的生态位宽度参数，为模态间互信息加权因子； 基于所述步骤102引入自适应多模态融合框架的基础上，再引入模态竞争与共生机制融合生成二次优化后的融合嵌入向量： ； 其中，为模态权重，表示文本模态，表示图像模态，表示感官模态，为上下文自适应模态权重，：模态的特征嵌入向量与参考嵌入向量之间的核化距离，为模态的不确定性因子；为上下文自适应的生态位宽度参数，为模态间互信息加权因子，为模态间竞争‑共生系数，、均为模态类型。

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语核(上海)科技有限公司;不切实际(上海)科技有限公司，其通讯地址为：200030 上海市徐汇区古美路1528号6幢8层806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。