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！

龙图腾网获悉华侨大学申请的专利一种基于多尺度信息测度的反讽识别方法及装置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：CN121301572B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511871592.9，技术领域涉及：G06F16/35；该发明授权一种基于多尺度信息测度的反讽识别方法及装置是由黄哲煌;王嘉莹;李进金设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种基于多尺度信息测度的反讽识别方法及装置在说明书摘要公布了：本发明涉及计算机技术领域，具体涉及一种基于多尺度信息测度的反讽识别方法及装置，包括如下步骤：S1构建文本反讽数据集；S2生成多尺度特征提取与矩阵；S3进行条件测度计算与最优尺度筛选；S4进行多尺度特征融合；S5进行Transformer模型识别。本发明通过将多尺度信息测度理论与文本数据深度融合，以解决现有反讽识别中特征捕获不全、多尺度分析缺陷、特征融合简化以及鲁棒性差等问题。

本发明授权一种基于多尺度信息测度的反讽识别方法及装置在权利要求书中公布了：1.一种基于多尺度信息测度的反讽识别方法，其特征在于，包括如下步骤： S1构建文本反讽数据集：从预设样本来源库中提取文本数据，经过预处理并进行反讽标签标注，构建文本反讽数据集； S2生成多尺度特征提取与矩阵：针对所述文本反讽数据集，提取文本的基础特征，构建文本特征空间，并将其划分为多个尺度层级，为每个尺度层级构造对应的语义特征矩阵，最终通过横向拼接形成文本的多尺度语义特征矩阵； S3进行条件测度计算与最优尺度筛选：根据所述多尺度语义特征矩阵，计算每个尺度的条件测度，根据测度值对所有尺度进行排序，筛选出N个最优尺度，并拼接生成N-best尺度语义矩阵，具体包括如下步骤： 1计算反讽决策等价关系：反讽决策任务D等价关系公式为： ，其中，Dx、Dy为样本x、y的反讽标签，反映样本在反讽决策上的等价关系； 2计算特征相似关系：对于第i尺度，计算样本x和y在该尺度上的特征相似关系，以量化不同样本在多尺度特征上的相似程度，公式为：，其中，表示样本x在第i个尺度的第j个特征维度上的值，表示样本y在第i个尺度的第j个特征维度上的值；表示第i层尺度上的特征矩阵，为文本的尺度数量；为第尺度的特征维度数量，U为样本全域， 3计算文本的条件测度：用于量化该特征与反讽决策的协调性，公式为：，其中，为条件测度，为文本某特征相似关系与决策等价关系的交集，其基数为该特征相似关系的基数； 4筛选最优尺度：按条件测度值升序对所有尺度进行排序，筛选出前N个测度值最小的尺度，形成最优尺度子集，将所述最优尺度子集对应的特征矩阵按预设顺序横向拼接，构成N-best尺度语义矩阵； S4进行多尺度特征融合：基于各最优尺度的条件测度计算权重，通过多尺度注意力机制融合文本的N-best尺度最优特征，得到反讽判别特征，具体包括如下步骤： 1权重计算：基于条件测度，计算第i尺度的权重，其中，为所有最优尺度的集合； 2多尺度注意力机制融合得到反讽判别特征：，其中，为注意力分数，Q为文本第一最优尺度特征向量，K为文本第二最优尺度特征向量；T为K的转置，V为用于生成融合特征的值向量；为各尺度特征的向量维度，P为由各尺度权重组成的条件测度权重矩阵；为Hadamard积，为融合后输出的反讽判别特征； 3若不同最优尺度的特征维度存在差异，先将特征向量化，再通过特征映射手段将不同维度的初始特征映射至相同维度，随后将映射后的特征向量与对应的尺度权重相乘，形成维度统一的反讽判别特征； S5进行Transformer模型识别：构建Transformer识别模型，将融合后的反讽判别特征输入模型进行训练，并利用训练后的模型对待测样本进行推理，输出反讽识别结果。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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。