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！

龙图腾网获悉中国科学院软件研究所申请的专利基于知识注入的双注意力网络的多模态讽刺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：CN115408517B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210863424.5，技术领域涉及：G06F16/35；该发明授权基于知识注入的双注意力网络的多模态讽刺意图识别方法是由亢良伊;刘杰;叶丹;周志阳;李硕设计研发完成，并于2022-07-21向国家知识产权局提交的专利申请。

本基于知识注入的双注意力网络的多模态讽刺意图识别方法在说明书摘要公布了：本发明提供了一种基于知识注入的双注意力网络的多模态讽刺意图识别方法，该方法包括：获取待识别数据内容，所述待识别数据内容包括若干文本、图片对；对文本中的词和图片中的对象进行编码，得到原始表示；基于待识别数据内容的隐性上下文信息对原始表示进行扩展，得到上下文感知表示；获取原始表示与上下文感知表示的注意力计算结果；根据注意力计算结果，计算原始跨模态对比表示和上下文感知跨模态对比表示；基于所述原始跨模态对比表示和所述上下文感知跨模态对比表示，计算讽刺意图识别结果。本发明有助于提高讽刺识别的整体性能，方便模型的实际应用，并对预测结果提供可解释性。

本发明授权基于知识注入的双注意力网络的多模态讽刺意图识别方法在权利要求书中公布了：1.一种基于知识注入的双注意力网络的多模态讽刺意图识别方法，所述方法包括： 获取待识别数据内容，所述待识别数据内容包括：若干文本、图片对，所述文本包含若干个单词i，所述图片涉及多个对象j； 分别对所述文本中的单词i与所述图片中的对象j进行编码，得到单词原始表示与对象原始表示 基于所述待识别数据内容的隐性上下文信息，对所述单词原始表示与所述对象原始表示进行扩展，得到单词上下文感知表示与对象上下文感知表示其中，基于所述待识别数据内容的隐性上下文信息，对所述单词原始表示与所述对象原始表示进行扩展，得到单词上下文感知表示与对象上下文感知表示包括： 针对每一图片或文本中的事件描述，生成不同类型的推理知识并计算所述推理知识的常识推理表示HM,R，其中，wl表示推理知识中的单词，1≤l≤L，L表示推理知识的长度，关系类型R∈{before,after,intent}，before表示事件前关系类型，after表示事件后关系类型，intent表示场景中人物意图关系类型，模态M表示文本模态或图片模态； 基于所述单词原始表示组成的文本特征映射HT、所述对象原始表示组成的图片特征映射HI、以及所述常识推理表示HM,R，计算所述待识别数据内容与所述推理知识之间的关联矩阵CM； 基于所述关联矩阵CM，获取所述单词原始表示与所述对象原始表示的文本带有隐性上下文信息的表示和图片带有隐性上下文信息的表示 通过为每一所述推理知识学习一个相关权重，计算所述表示与所述表示的增强表示与增强表示 基于所述增强表示与所述增强表示计算单词上下文感知表示与对象上下文感知表示其中，所述单词感知向量表示包括：单词的场景状态上下文感知表示和情感状态上下文感知表示所述对象上下文感知向量表示包括：对象的场景状态上下文感知表示和情感状态上下文感知表示 使用双注意力网络分别对所述单词原始表示所述对象原始表示以及所述单词上下文感知表示所述对象上下文感知表示进行注意力计算，获取原始表示与上下文感知表示的注意力计算结果； 针对原始表示与上下文感知表示的注意力计算结果，通过比对文本和图片间的差异，得到原始跨模态对比表示和上下文感知跨模态对比表示； 基于所述原始跨模态对比表示和所述上下文感知跨模态对比表示，计算所述待识别数据内容的讽刺意图识别结果。

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中国科学院软件研究所，其通讯地址为：100190 北京市海淀区中关村南四街4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”。