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！

龙图腾网获悉北京理工大学申请的专利强化关联度计算的小样本用户多意图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：CN115757714B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211331155.4，技术领域涉及：G06F16/3329；该发明授权强化关联度计算的小样本用户多意图识别方法是由罗森林;赵智洋;潘丽敏;张睿智;沈宇辉设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本强化关联度计算的小样本用户多意图识别方法在说明书摘要公布了：本发明涉及一种强化关联度计算的小样本用户多意图识别方法，属于自然语言处理领域。本发明旨在为用户对话样本标定多个意图标签，首先，利用BERT提取用户对话样本及其对应标签的嵌入表示；其次，计算支持集中标签与样本的关联度以增强标签原型表示，利用标签原型和查询样本构建原型网络；然后，计算多个领域的通用阈值和小样本领域的特定阈值，并以其他领域样本与查询样本的关联度均值为系数计算原型网络阈值；最后，根据原型网络阈值筛选出查询样本对应的多个意图标签。本发明提出强化关联度计算方法，同时考虑嵌入表示的特征值差异和特征维度差异，进一步降低标签间的干扰，并改进原型网络阈值计算方法，有效提升多意图识别任务的准确率。

本发明授权强化关联度计算的小样本用户多意图识别方法在权利要求书中公布了：1.一种强化关联度计算的小样本用户多意图识别方法，其特征在于所述方法包括如下步骤： 步骤1，使用BERT提取各领域下用户对话样本及样本对应标签的嵌入表示，将用户对话样本集合重构为小样本学习下的用户多意图识别任务场景； 步骤2，计算支持集样本对应标签的原型表示和原型半径，构建原型网络，首先，使用强化关联度计算函数计算支持集中当前标签与对应样本的关联度，支持集标签ii∈[1,N]的嵌入表示yi与该标签对应的支持集样本的嵌入表示之间的相关性得分为计算均值并为样本嵌入表示赋予权重其次，按比例混合样本嵌入表示和标签嵌入表示yi作为标签的原型表示然后，使用特征级注意力机制计算标签原型半径，最后，利用查询样本表示、标签原型表示和标签原型半径构建原型网络； 步骤3，以不同于小样本领域的其它领域下含有标注信息的用户对话样本作为先验知识计算通用阈值，首先，利用强化关联度计算其它领域下的样本的嵌入表示和该领域下各标签的嵌入表示之间的关联度然后，使用其它领域中样本与领域内各标签的关联度权重的方差衡量为样本筛选对应标签的难易程度，使用样本r对应标签中的最小关联度权重计算该样本的阈值，综合其它来自不同领域下的R个样本的阈值计算出通用阈值其中表示样本r对应的标签与样本r之间的关联度权重； 步骤4，以小样本领域下的用户对话样本之间的关联度计算特定阈值，用特定阈值校准通用阈值以计算出原型网络阈值，首先，计算原型网络中的标签对应的查询样本的嵌入表示x0和标签ii∈[1,N]对应的支持集样本的嵌入表示之间的关联度然后，使用小样本下支持集样本与查询样本之间的关联度权重和标签原型半径si计算小样本领域下的特定阈值最后，以查询样本与其他领域下R个样本之间的关联度得分的均值作为评估通用阈值经验重要性的系数利用特定阈值test校正通用阈值tmeta计算出原型网络的阈值t＝μ×tmeta+1-μ×test； 步骤5，根据原型网络阈值从原型网络中筛选出查询样本所对应的标签子集，首先，根据原型网络阈值划分原型网络，然后，筛选出原型网络阈值内侧的标签作为查询样本所对应的多个意图标签。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。