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！

龙图腾网获悉东北大学申请的专利一种融合知识和情绪原因语境图的共情对话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：CN119903157B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202510070177.7，技术领域涉及：G06F16/3329；该发明授权一种融合知识和情绪原因语境图的共情对话生成方法是由李欣迟;白雪松;周美美;韩嘉蕊;潘徐思;韩东红设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种融合知识和情绪原因语境图的共情对话生成方法在说明书摘要公布了：本发明提供一种融合知识和情绪原因语境图的共情对话生成方法，涉及信息处理技术领域。本发明提出融合知识和情绪原因语境图的共情对话生成模型，该模型包括话语编码、融合知识的对话语境图、知识增强的KDCG网络、情绪分类、情绪原因识别以及回复生成六个模块，通过引入情绪原因语境图来有效解决多轮对话中的语境信息整合问题，通过引入知识库中的背景知识结合情绪原因语境图来提升系统对隐含表达情绪和意图的理解能力，最终全面提升对话系统对用户情绪的理解深度。通过情绪和原因的共同建模，让系统更加明确地理解用户的情绪来源，从而生成更具有针对性和人性化的共情响应。

本发明授权一种融合知识和情绪原因语境图的共情对话生成方法在权利要求书中公布了：1.一种融合知识和情绪原因语境图的共情对话生成方法，其特征在于：提出融合知识和情绪原因语境图的共情对话生成模型，该模型包括话语编码、融合知识的对话语境图、知识增强的KDCG网络、情绪分类、情绪原因识别以及回复生成六个模块；具体方法为： 步骤1：对数据集进行预处理，包括数据清洗和过滤、文本预处理、情绪类别编码、控制标记引入； 步骤2：话语编码；采用两种嵌入方式对数据集中的语句进行词嵌入，第一种方式利用预训练的GloVe词向量生成文本嵌入etext，捕捉话语的语义信息，第二种方式通过位置嵌入epos标识话语在对话中的位置，提供对话结构的位置信息；两种嵌入相加后形成综合话语嵌入表示，并将其输入Transformer编码器，生成更高层次的话语编码表示； 步骤3：知识获取与知识编码；从外部知识库中获取与对话内容相关的知识并对其进行编码，以便后续与对话上下文进行有机结合； 步骤4：对话语境图构建；根据对话和对应的说话人身份信息构建对话语境图DCG，将对话表示为一个有向无环图DAG，保证每个话语节点仅接收来自特定先前话语的信息，进而避免信息通过任何路径回传至自身或其前序节点； 步骤5：构建融合知识的对话语境图KDCG，用于将从话语中提取的知识融合到对话语境图中；KDCG包括三部分，即话语节点集合V、话语互动的邻接矩阵Ac和话语间知识传递的邻接矩阵Ak，即G＝V，Ac，Ak； 步骤6：根据构建的对话语境图KDCG进行知识融合； 步骤7：情绪分类；训练情绪分类器，用于准确捕捉和响应用户的情绪状态，根据对话中最后一句话的上下文话语表示hlast产生情绪类别分布，并通过argmax函数选择具有最大概率的情绪类别作为最终的预测情绪类别在训练过程中通过最小化预测的情绪类别分布Pemo和实际情绪标签e*之间的交叉熵损失来优化情绪分类准确率，计算过程如公式17至公式19所示； Pemo＝softmaxWehlast+be17 Lemo＝-logPemoe*19 其中，softmax·为归一化函数，We和be分别表示权重参数矩阵和偏置向量，Lemo为情绪分类任务的损失函数； 步骤8：情绪原因识别；将情绪原因识别问题作为一个序列标记任务，目标是预测输入对话序列中的每个单词是否为引发说话人情绪的原因，即对每个单词进行{0,1}二元标注；采用半监督方法，结合小规模已标记的数据和大规模未标记的数据进行训练； 步骤9：回复生成；为了利用对话历史、知识选择和说话者情绪原因信息，使用GPT-2模型生成长度为M的目标回复Y＝[y1，y2，...yM]，计算过程如公式28所示； 其中，E0：t-1表示已生成的单词序列的嵌入表示，H为知识增强的上下文信息表示，为预测的情绪类别，为整个输入序列的情绪原因预测概率分布，y0：t-1为已生成的单词序列，Pyt|y0：t-1表示在已生成y0：t-1的条件下生成的第t个单词yt的条件概率分布。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。