Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 四川轻化工大学吴亚东获国家专利权

四川轻化工大学吴亚东获国家专利权

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!

龙图腾网获悉四川轻化工大学申请的专利基于彩灯知识图谱的多模态模型语义增强与对比学习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:CN120911481B

龙图腾网通过国家知识产权局官网在2026-02-24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:202511446229.2,技术领域涉及:G06F40/30;该发明授权基于彩灯知识图谱的多模态模型语义增强与对比学习方法是由吴亚东;胡玉龙;李随群;张巍瀚;蓝集明;吴志豪设计研发完成,并于2025-10-11向国家知识产权局提交的专利申请。

基于彩灯知识图谱的多模态模型语义增强与对比学习方法在说明书摘要公布了:本发明属于人工智能技术领域,涉及基于彩灯知识图谱的多模态模型语义增强与对比学习方法,包括:将原始文本与知识图谱进行关联,生成结构化句子树,并进行嵌入编码,获取嵌入矩阵;将嵌入矩阵和可见性矩阵输入经堆叠的Mask‑Transformer编码器,获取结构化语义特征,并经堆叠的自注意力块进行建模,获取结构化知识;将原始文本分别输入多模态模型的文本编码器和视觉编码器,获取基准文本特征和基准图像特征,并进行动态门控加权融合,获取融合向量;获取正样本文本,根据正样本文本,获取高质量负集,将融合向量、基准图像特征及对应的高质量负集中的难负样本输入对比学习模块,获取对称对比学习损失,用于训练多模态模型。

本发明授权基于彩灯知识图谱的多模态模型语义增强与对比学习方法在权利要求书中公布了:1.基于彩灯知识图谱的多模态模型语义增强与对比学习方法,其特征在于,包括: 获取原始文本,将所述原始文本与知识图谱进行关联,生成结构化句子树,并进行嵌入编码,获取嵌入矩阵; 获取所述嵌入矩阵包括: 将所述结构化句子树线性展开为目标长度的词元序列,对线性展开后的词元序列进行嵌入编码: 对所述线性展开后的词元序列进行词典嵌入编码:将所述线性展开后的词元序列输入可训练词典矩阵,获取语义向量; 对所述线性展开后的词元序列进行软位置嵌入编码:根据软位置编号,获取位置索引,并经可学习投影矩阵映射至目标维度; 对所述线性展开后的词元序列进行段落嵌入编码:根据段落标识从段向量表中检索出段落嵌入; 将所述语义向量、所述目标维度下的位置索引和所述段落嵌入相加,获取所述嵌入矩阵; 获取所述结构化句子树中每对词元的可见性矩阵,将所述嵌入矩阵和所述可见性矩阵输入经堆叠的Mask-Transformer编码器,获取结构化语义特征,并经堆叠的自注意力块进行建模,获取结构化知识; 将所述原始文本分别输入多模态模型的文本编码器和视觉编码器,获取基准文本特征和基准图像特征,并将所述基准文本特征与所述结构化知识进行动态门控加权融合,获取融合向量; 获取正样本文本,根据所述正样本文本,获取高质量负集,将所述融合向量、所述基准图像特征及对应的高质量负集中的难负样本输入对比学习模块,获取对称对比学习损失,用于训练所述多模态模型。

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四川轻化工大学,其通讯地址为:643000 四川省自贡市自流井区汇兴路519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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。