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！

龙图腾网获悉科讯嘉联信息技术有限公司申请的专利一种面向多模态交互的智能客服意图分层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：CN120296458B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510776286.0，技术领域涉及：G06F18/2323；该发明授权一种面向多模态交互的智能客服意图分层识别方法是由王保三设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本一种面向多模态交互的智能客服意图分层识别方法在说明书摘要公布了：本发明公开了一种面向多模态交互的智能客服意图分层识别方法，包括：获取文本、语音、图像三种模态数据并预处理；利用拓扑数据分析方法构建模态数据的高维拓扑结构并进行特征融合；通过结构方程模型构建模态特征的因果关系图，筛选因果贡献显著特征；采用跨模态自监督一致性正则化方法，在极少监督数据情况下训练意图识别模型；基于谱聚类方法实现意图的多级分层分类输出。本发明显著提升了智能客服系统的意图识别准确性及泛化性能，适用于复杂多模态交互场景。

本发明授权一种面向多模态交互的智能客服意图分层识别方法在权利要求书中公布了：1.一种面向多模态交互的智能客服意图分层识别方法，其特征在于，包括如下步骤： S1、获取用户交互数据，所述数据同时包含文本、语音和图像三种模态，并分别对每种模态数据执行去噪、归一化和特征标准化的预处理操作； S2、对步骤S1预处理后的模态数据，利用拓扑数据分析中的持续同调算法构建各模态数据之间的高维拓扑结构，通过Betti数明确量化模态之间的高阶关联性，形成拓扑特征表示，并将各模态的拓扑特征进行融合，获得初步融合的拓扑特征向量； S3、基于步骤S2中获得的拓扑特征向量，采用基于结构方程模型的因果推断方法，构建多模态数据特征之间的显式因果关系图，定量计算各模态特征对用户意图识别的因果贡献权重，剔除无因果效应或负因果效应的特征，仅保留因果贡献显著的模态特征进行二次融合，形成优化的多模态融合特征向量； S4、以步骤S3中获得的优化特征向量为输入，采用基于对比学习的跨模态自监督一致性正则化方法，通过随机遮蔽、随机噪声叠加和随机投影的数据增强方式生成训练样本对，构建跨模态自监督对比学习损失函数优化模型参数，实现智能客服意图识别模型在无监督或极少监督数据情况下的有效训练； S5、利用步骤S4训练完成的意图识别模型，通过基于谱聚类的意图距离度量算法，在多模态融合特征空间中实现用户意图的精确多级分层识别与分类输出； 步骤S1具体包括如下子步骤： S1-1、采集用户的文本、语音和图像三种模态的原始交互数据，分别表示为、和； S1-2、对文本模态数据进行文本去噪处理，去除停用词、特殊字符和无意义词汇后获得清洁文本数据； S1-3、对语音模态数据进行音频去噪，采用短时傅里叶变换方法转换到频谱域，获得频谱域信号，其中表示时间帧，表示频率，随后利用谱减法进行背景噪声抑制，得到去噪后的语音数据； S1-4、对图像模态数据采用高斯滤波方法执行图像去噪处理，滤波操作表达式为： ； 式中，为二维高斯函数，表示图像的像素坐标，为高斯核标准差，得到去噪后的图像数据； S1-5、分别对步骤S1-2至S1-4中获得的去噪数据进行归一化处理，获得归一化数据分别表示为、、； S1-6、对归一化后的数据进行特征标准化处理，通过z-score标准化方法计算标准化特征： ； 式中，表示标准化特征，表示归一化后的输入特征，表示输入特征的均值，表示输入特征的标准差，分别获得标准化特征表示为、、； 步骤S2具体包括如下子步骤： S2-1、基于步骤S1获得的标准化特征数据分别构建对应模态特征空间； S2-2、采用持续同调算法对每个模态特征空间分别进行单纯复形构建，定义链群和边界算子为： ； 式中，表示k维链群，表示边界算子； S2-3、利用链群与边界算子，计算各模态特征空间的k维Betti数： ； 式中，为闭链群，为边界群； S2-4、以各模态特征空间的Betti数构建拓扑特征向量； S2-5、基于拓扑特征向量拼接融合形成初步融合的拓扑特征向量。

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科讯嘉联信息技术有限公司，其通讯地址为：230000 安徽省合肥市高新区石莲南路3335号中国声谷A2栋18层1808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”。