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！

龙图腾网获悉广东工业大学申请的专利一种多模态情感融合分析方法和系统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：CN121051696B 。

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：202511411305.6，技术领域涉及：G06F18/25；该发明授权一种多模态情感融合分析方法和系统是由冯广;刘馨婷;林忆宝;赵志文;孙相利;肖俊鸿;周科栋;廖贝融设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本一种多模态情感融合分析方法和系统在说明书摘要公布了：本发明公开了一种多模态情感融合分析方法和系统，包括：通过特征提取模块对多模态情感数据逐模态进行特征提取，生成文本原始特征、音频原始特征和视觉原始特征；基于统一语义对齐模块对文本原始特征、音频原始特征和视觉原始特征进行跨模态对齐交互融合，构建协同融合特征；采用动态融合调控模块根据文本原始特征、音频原始特征、视觉原始特征和协同融合特征，进行模态与通道的双层动态融合优化，确定统一融合特征；根据高阶语义抽象模块基于统一融合特征进行分层残差语义门控增强，生成语义增强特征；将语义增强特征输入情感预测模块，输出情感分析结果。基于上述方案，在有助于提供更加稳定和准确可靠的情感识别结果。

本发明授权一种多模态情感融合分析方法和系统在权利要求书中公布了：1.一种多模态情感融合分析方法，其特征在于，包括： 通过特征提取模块对多模态情感数据逐模态进行特征提取，生成文本原始特征、音频原始特征和视觉原始特征； 基于统一语义对齐模块对所述文本原始特征、所述音频原始特征和所述视觉原始特征进行跨模态对齐交互融合，构建协同融合特征； 采用动态融合调控模块根据所述文本原始特征、所述音频原始特征、所述视觉原始特征和所述协同融合特征，进行模态与通道的双层动态融合优化，确定统一融合特征； 根据高阶语义抽象模块基于所述统一融合特征进行分层残差语义门控增强，生成语义增强特征； 将所述语义增强特征输入情感预测模块，输出情感分析结果； 所述动态融合调控模块包括私有编码器、堆叠层、私有平均池化层、融合平均池化层、多层感知器、维度扩展层、加权融合层、通道调制子模块、残差归一化层和拼接融合层；所述根据高阶语义抽象模块基于所述统一融合特征进行分层残差语义门控增强，生成语义增强特征，包括： 基于私有编码器分别对所述文本原始特征、所述音频原始特征和所述视觉原始特征进行编码，构建文本私有特征、音频私有特征和视觉私有特征； 通过堆叠层将所述文本私有特征、所述视觉私有特征和所述音频私有特征沿模态维度顺序堆叠，输出四维融合特征； 采用融合平均池化层将所述协同融合特征沿时间维度进行平均池化后，输入多层感知器处理生成全局权重，并通过维度扩展层在时间维度进行维度扩展，输出扩展全局权重； 基于加权融合层采用所述扩展全局权重与所述四维融合特征逐模态相乘后相加，确定加权融合特征； 分别将所述音频私有特征和所述视觉私有特征输入私有平均池化层进行时间平均池化，确定音频全局私有特征和视觉全局私有特征； 采用通道调制子模块分别基于所述音频全局私有特征和所述视觉全局私有特征作为条件向量，对所述加权融合特征进行通道调制，输出对应的音频调制特征和视觉调制特征； 通过残差归一化层分别对所述音频调制特征与所述加权融合特征、所述视觉调制特征与所述加权融合特征进行残差增强，构建音频调制残差特征和视觉调制残差特征； 将所述加权融合特征、所述音频调制残差特征和所述视觉调制残差特征输入特征融合层进行逐元素相加，输出统一融合特征。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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。