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！

龙图腾网获悉香港中文大学(深圳)申请的专利多模态意图识别方法、装置、计算机设备和存储介质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：CN121074897B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511633510.7，技术领域涉及：G06V20/70；该发明授权多模态意图识别方法、装置、计算机设备和存储介质是由张雪毅;蔡思祺;李海洲;王希予;谢佳悦;孙嘉璐设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本多模态意图识别方法、装置、计算机设备和存储介质在说明书摘要公布了：本申请涉及一种多模态意图识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。方法包括：获取每种模态的模态特征；获取模态特征在各时间步的语义；根据邻接矩阵与各时间步的语义，确定各时间步的语义与意图标签在有向无环图中的因果边权重；根据因果边权重，对每种模态的模态特征进行筛选，得到每种模态的关键模态特征；通过双曲嵌入函数，将每种模态的关键模态特征投射到双曲空间中，得到双曲空间中的每种模态特征；对双曲空间中的多种模态特征的语义进行交叉注意力融合，得到融合后特征；对融合后特征进行分类，得到意图标签。采用本方法能够筛选出关键模态特征，并通过双曲空间中的多种模态特征更准确地识别出意图。

本发明授权多模态意图识别方法、装置、计算机设备和存储介质在权利要求书中公布了：1.一种多模态意图识别方法，其特征在于，所述方法包括： 获取每种模态的模态特征； 获取所述模态特征在各时间步的语义；根据邻接矩阵与所述各时间步的语义，确定所述各时间步的语义与意图标签在有向无环图中的因果边权重；根据所述因果边权重，对所述每种模态的模态特征进行筛选，得到每种模态的关键模态特征； 通过双曲嵌入函数，将所述每种模态的关键模态特征投射到双曲空间中，得到双曲空间中的每种模态特征； 对所述双曲空间中的多种所述模态特征的语义进行交叉注意力融合，得到融合后特征； 对所述融合后特征进行分类，得到意图标签； 其中，所述邻接矩阵的训练步骤，包括： 根据初始邻接矩阵，对所述模态特征在各时间步的语义样本进行调整，得到语义样本的重构值；基于所述语义样本的重构值与所述各时间步的语义样本之间的差异值，确定第一损失值；基于所述语义样本对应的意图标签预测值与意图标签样本之间的差异值，确定第二损失值；基于所述第一损失值与所述第二损失值，对所述初始邻接矩阵进行调整，得到训练后的所述邻接矩阵。

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香港中文大学(深圳)，其通讯地址为：518172 广东省深圳市龙岗区龙城街道龙翔大道2001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。