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！

龙图腾网获悉安徽大学申请的专利社媒反讽语义识别方法、系统、存储介质和电子设备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：CN121093970B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511625668.X，技术领域涉及：G06F40/30；该发明授权社媒反讽语义识别方法、系统、存储介质和电子设备是由夏平凡;江涵睿;岳金萍;鲍李咏;朱旭辉设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本社媒反讽语义识别方法、系统、存储介质和电子设备在说明书摘要公布了：本发明提供一种社媒反讽语义识别方法、系统、存储介质和电子设备，涉及反讽语义识别领域。本发明中，先整合社媒多模态数据，再基于预构建的层级化反讽语义词库，激活反讽特异性特征；接着拼接文本指导特征、图像指导特征、数值指导特征和反讽特异性特征得到全局指导向量，同时将全局指导向量作为注意力查询矩阵，利用双向注意力获取文本与图像之间的双向交互特征，利用反讽类别注意力获取反讽感知特征，利用加性注意力获取多模态融合特征，拼接后获取融合中间向量；最后识别社媒多模态数据是否为反讽表达。本发明通过结合反讽特异性特征的全局指导向量的级联传递，实现多注意力机制的协同工作，显著提升对复杂社交媒体反讽场景的识别能力。

本发明授权社媒反讽语义识别方法、系统、存储介质和电子设备在权利要求书中公布了：1.一种社媒反讽语义识别方法，其特征在于，包括： 获取并预处理包含文本、图像和数值数据的社媒多模态数据，以构建相应的文本指导特征、图像指导特征和数值指导特征； 基于预构建的层级化反讽语义词库，激活预处理后的社媒多模态数据的反讽特异性特征；其中所述反讽特异性特征为预期不对等特征、强调特征、情景表达不一致特征、黑色幽默特征和文化语境特征中的一项或者任意几项的组合； 拼接所述文本指导特征、图像指导特征、数值指导特征和反讽特异性特征，获取全局指导向量；以及利用预训练好的多模态混合交互注意力网络获取融合中间向量，包括： 将所述全局指导向量作为注意力查询矩阵，利用双向注意力获取文本与图像之间的双向交互特征，利用反讽类别注意力获取反讽感知特征，利用加性注意力获取多模态融合特征；以及拼接所述双向交互特征、反讽感知特征和多模态融合特征，获取融合中间向量； 基于所述融合中间向量，识别所述社媒多模态数据的反讽语义； 所述层级化反讽语义词库包括基础层、规则层和文化层；其中： 所述基础层的预构建过程包括： 基于NRC情感词典中的极性标注，扩展设想性词汇和现实描述词，构建若干反讽语义的文本结构模式； 所述规则层的预构建过程包括： 预设不同程度副词及其修饰的情感词的副词增强系数和情感词基础强度；预设若干对文本场景关键词与图像场景类型之间的场景合理性；以及预设文本情感极性和图像场景极性的矛盾类别； 所述文化层的预构建过程包括： 基于ConceptNet常识知识库，构建若干地域性反讽表达； 所述预期不对等特征的激活过程包括： 基于预处理后的文本数据，检索设想性词汇和现实描述词，并在所述层级化反讽语义词库中匹配相应的文本结构模式； 若匹配成功，计算所述现实描述词与设想性词汇的语义距离； 若所述语义距离大于第一阈值，激活所述预期不对等特征； 所述利用加性注意力获取多模态融合特征，包括： 将所述全局指导向量作为注意力查询矩阵Q，基于所述文本指导特征、图像指导特征和数值指导特征生成相应的键向量和值向量，以利用所述加性注意力分别计算文本模态权重、图像模态权重和数值模态权重； 基于模型无关的元学习算法，量化预处理后的社媒多模态数据中的模态主导度； 基于所述模态主导度设置权重偏移量，并分别对所述文本模态权重、图像模态权重和数值模态权重进行调整，以全局加权融合获取所述多模态融合特征。

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安徽大学，其通讯地址为：230031 安徽省合肥市蜀山区肥西路3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。