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！

龙图腾网获悉重庆邮电大学申请的专利基于跨模态特征状态转移的多模态情感分析系统及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：CN116881843B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202310838017.3，技术领域涉及：G06F18/25；该发明授权基于跨模态特征状态转移的多模态情感分析系统及方法是由甘臣权;付祥;祝清意设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本基于跨模态特征状态转移的多模态情感分析系统及方法在说明书摘要公布了：本发明涉及基于跨模态特征状态转移的多模态情感分析系统及方法，属于计算机技术领域。该方法包括以下步骤：S1：提取文本、视觉和声学特征，对视觉和声学特征求均值获取初始态特征；S2：用跨模多头注意力机制进行文‑视和文‑声特征交互；S3：用推土机距离和平均绝对误差约束交互过程，通过求取均值得到感染态和恢复态特征；S4：用记录矩阵保存平衡特征中的初始态、感染态和恢复态的信息，构建类似SIS模型的状态转移过程，用平均绝对误差约束该过程；S4：用自适应加权联合平衡和均值文本特征，结合均方误差与上述约束函数构建损失函数训练模型。本发明实现多模态特征的准确提取和多模态信息交互增强，具有较强的多模态情感分析能力。

本发明授权基于跨模态特征状态转移的多模态情感分析系统及方法在权利要求书中公布了：1.基于跨模态特征状态转移的多模态情感分析方法，其特征在于：该方法包括以下步骤： S1：对文本数据使用预训练的语言表征模型BERT提取文本特征，对经过预处理的视觉数据和声学数据使用Transformer模型的编码部分提取视觉特征和声学特征，对提取的视觉特征和声学特征求均值以获取视觉初始态特征和声学初始态特征； S2：利用跨模多头互注意力机制分别进行文本特征与视觉特征、文本特征与声学特征间的感染交互得到感染交互特征，改变跨模多头互注意力机制的输入进行恢复交互得到恢复交互特征； S3：利用推土机距离和平均绝对误差分别对感染交互和恢复交互过程进行约束，对感染交互特征求均值计算分别求得感染交互后的文-视感染态特征或文-声感染态特征，对恢复交互特征求均值计算分别求得恢复交互后文-视恢复态特征或文-声恢复态特征； S4：利用状态记录矩阵记录平衡态特征中初始态特征、感染态特征和恢复态特征包含的信息，通过状态记录矩阵的变化构建类似SIS模型的状态转移过程，并利用平均绝对误差对状态转移进行约束； 具体为，通过接触率确定初始态特征或中易被感染的部分，引入感染率和随机感染矩阵确定平衡态特征中的初始态特征或信息和感染态特征或信息，并通过状态记录矩阵记录，即： 其中θ是感染率，Mrand是随机感染矩阵，χ是接触率，O是全1矩阵，表示感染态特征或信息的状态记录矩阵，表示初始态特征或信息的状态记录矩阵，abs·用于对张量的每个元素取模，为文本初始态特征； 在恢复过程中，引入恢复率和恢复随机矩阵确定平衡态特征中恢复态特征或信息部分，采用状态记录矩阵记录，更新感染态特征信息的状态记录矩阵为即： 其中，ρ是恢复率，是随机恢复矩阵，表示恢复态特征或信息的状态记录矩阵； 通过状态记录矩阵中记录的各状态信息提取平衡态特征Vstate或Astate，将和与对应的状态特征进行哈达马积并相加，即： 其中，⊙表示哈达马积，Jstate表示平衡态特征Vstate或Astate； 将特征Vstate和Astate映射到情感判断域，通过与情感标签的平均绝对误差来进行约束更新，进而约束整个状态转移过程，则： Lstate＝MAEYstate,Y 其中，和是全连接层的训练参数，Ystate表示Vstate和Astate映射到情感判断域的张量，Y表示情感标签张量，Lstate是用于约束的损失函数，MAE表示求取平均绝对误差； S5：利用加权连接融合文本特征的均值和平衡态特征并进行情感判断，通过均方误差进行约束，对所有过程的推土机距离、平均绝对误差和均方误差约束进行相加来训多模态情感分析的深度学习模型，对训练得到模型进行优化得到多模态情感分析模型，给定包含文本、视频和语音的多模态数据，输入所述多模态情感分析模型后得到模型的情感预测结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。