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！

龙图腾网获悉上海海事大学申请的专利轻量级多模态情感分析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：CN117272226B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202311237983.6，技术领域涉及：G06F18/25；该发明授权轻量级多模态情感分析方法是由胡程宇;刘晋设计研发完成，并于2023-09-25向国家知识产权局提交的专利申请。

本轻量级多模态情感分析方法在说明书摘要公布了：本发明公开了一种轻量级多模态情感分析方法。该情感分析方法包括：针对预先采集的多模态情感数据集；采用多模态低秩分解方法对各模态特征序列数据进行融合，并输出融合向量表征；采用单个跨模态Transformer来对融合向量表征和文本特征序列数据进行表征提取处理，获取表征序列；将表征序列输入一个胶囊图网络中，构建得出图向量；对于图向量中的图节点集合以及邻接矩阵进行聚合操作；将每个迭代输出的图结构表征进行拼接，获得最终的输出表征，该最终输出表征用于对情感信息做出判断。本发明的情感分析方法能有效降低算力消耗，提升运算效率，并提升情感分析的性能。

本发明授权轻量级多模态情感分析方法在权利要求书中公布了：1.一种轻量级多模态情感分析方法，其特征在于：所述情感分析方法包括： 针对预先采集的多模态情感数据集，提取情感数据集中文本、语音和视频三种模态数据信息的特征序列数据； 采用多模态低秩分解方法对各模态特征序列数据进行融合，并输出融合向量表征； 将融合向量表征以及文本特征序列数据，输入到单个跨模态Transformer中，采用单个跨模态Transformer来对融合向量表征和文本特征序列数据进行表征提取处理，获取表征序列； 将表征序列输入一个胶囊图网络中，进行图构建，从而构建得出图向量，该图向量由图节点集合和邻接矩阵组成； 对于图向量中的图节点集合以及邻接矩阵进行聚合操作，聚合操作过程中的每个迭代输出用于情感分析的图结构表征； 将每个迭代输出的图结构表征进行拼接，获得最终的输出表征，该最终输出表征用于对情感信息做出判断； 所述采用多模态低秩分解方法对各模态特征序列数据进行融合，其具体实现的方法包括： 预先设定一个固定的秩r，对于权重张量W中的每个权重张量Wk，采用预先设定的秩r，来对该权重张量Wk进行分解，分解的形式为 式中，向量集合即为原始张量的r分解因子， 然后，对所述向量集合进行重组，以获取M个特定模态的低秩因子， 针对所述向量集合设定其中的低秩因子集合为 则将权重张量W的计算过程重构为 在完成对权重张量W进行分解的同时，对于融合张量F进行并行分解，将hM的计算过程转化为 然后依据转化后的hM的计算过程来计算得出融合向量表征hM； 所述采用单个跨模态Transformer来对融合向量表征和文本特征序列数据进行表征提取处理，其具体实现的方法包括： 利用一维时间卷积网络分别对融合向量表征hM和文本特征序列数据xt两个序列中各相邻元素的关联关系建模，并将融合向量表征hM和文本特征序列数据xt投射至相同维度，以生成特征序列和和用来配合后续的跨模态Transformer进行点积运算，和的计算公式如下： 式中，Conv1D·为一维时间卷积操作，kf、kt为卷积核大小，Tf、Tt为序列长度，d为预先设定的投射维度； 为特征序列和添加位置嵌入，以获得能够携带时间信息的低级位置感知特征和具体表示为 式中，PE·为位置嵌入操作； 对于低级位置感知特征和将作为源模态序列、作为目标模态序列输入预先设定好的跨模态Transformer中，并由跨模态Transformer输出其最后一层的结果，即通过多模态数据进行强化后的最终的文本序列表征 使用BiLSTM对文本序列表征中每个时间步的时间信息进行收集整合，以获取更具鲁棒性的表征序列Zf→t； 所述将表征序列输入一个胶囊图网络中，进行图构建，从而构建得出图向量，其具体实现的方法包括： 使用胶囊网络来将表征序列构建为胶囊； 采用动态路由算法将胶囊转化为图节点集合； 基于自注意力机制，针对图节点集合，构建邻接矩阵。

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上海海事大学，其通讯地址为：201306 上海市浦东新区临港新城海港大道1550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。