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！

龙图腾网获悉大连民族大学申请的专利一种基于注意力机制的最优特征选择多模态命名实体识别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：CN119962535B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510046531.2，技术领域涉及：G06F40/295；该发明授权一种基于注意力机制的最优特征选择多模态命名实体识别方法是由赵迪;白晨皓;王博林;孟佳娜设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种基于注意力机制的最优特征选择多模态命名实体识别方法在说明书摘要公布了：一种基于注意力机制的最优特征选择多模态命名实体识别方法，属于人工智能领域。技术方案包括：获取文本及文本关联图像，通过图像字幕生成模型将文本关联图像转化为图像字幕，连接文本和图像字幕作为跨模态文本，通过关键词提取模型提取跨模态文本中的关联关键词组，利用预训练模型分别获取跨模态文本和关联关键词组的上下文表示，利用后门因果注意力网络对跨模态文本和关联关键词组的上下文表示进行处理，本发明通过因果注意力机制对文本特征和图像特征进行优化，充分缩小文本和图像模态的语义差距，提高了多模态命名实体识别的准确性和健壮性。

本发明授权一种基于注意力机制的最优特征选择多模态命名实体识别方法在权利要求书中公布了：1.一种基于注意力机制的最优特征选择多模态命名实体识别方法，其特征在于，步骤如下： 步骤1：通过图像字幕生成模型将文本关联图像转化为图像字幕，图像字幕可以为文本数据提供更多的语义信息，将文本数据和图像字幕连接起来作为跨模态文本数据用作进一步研究，图像字幕生成过程表述为： C＝CaptionImage， 其中，C是图像字幕，Image是文本关联图像， 步骤2：通过关键词提取模型提取跨模态文本中的关联关键词组，考虑到跨模态文本的长度，限制关联关键词组为3组，将关联关键词组和跨模态文本一起作为文本数据，关键词提取过程表述为： K＝Keyword_extractionT_D 其中，K是关键词数据集合，T_D是原始文本数据， 步骤3：利用可视化工具包获取文本关联图像中k个最显著的对象作为局部视觉信息，文本关联图像作为全局视觉信息，将两者结合起来作为本方法的图像数据，局部图像提取过程表述为： Vobject＝Visual_toolV_D， 其中，Vobject是局部视觉对象，V_D是原始图像数据， 步骤4：利用预训练语言模型和预训练视觉模型分别对文本数据和图像数据进行编码，获取对应的文本特征表示和图像特征表示，获取文本特征表示和图像特征表示的过程表述为： 其中，HT是文本特征表示，HV是图像特征表示，F_T是全部文本数据，F_V是全部图像数据， 步骤5：设计后门因果注意力机制，通过阻断文本数据中存在的后门路径，使得模型聚焦最优文本特征，最优文本特征的选择过程表示为： HT_B＝FD_causeHT， 其中，HT_B是最优文本特征，FD_cause是前门因果注意力机制，HT是文本特征表示， 步骤6：设计前门因果注意力机制，通过引入前门变量作为中介，构建有效的前门路径帮助模型估计图像数据对标签的直接因果关系，使得模型可以聚焦最优图像特征，最优图像特征的选择过程表示为： HV_B＝BD_causeHV， 其中，HV_B是最优图像特征，BD_cause是后门因果注意力机制，HV是图像特征表示， 步骤7：对于步骤5和步骤6得到的最优文本特征和最优图像特征，设计以互信息理论为基础的特征对齐优化器，拉近图像信息和文本信息的语义距离，缩小模态差距，提高实体识别的准确率，特征对齐优化器表述为： HT_BN,HV_BN＝LMIHT_B,HV_B， 其中，HT_BN是对齐后的文本特征，HV_BN是对齐后的图像特征，LMI是特征对齐优化器，HT_B是最优文本特征，HV_B是最优图像特征， 步骤8：使用条件随机场对多模态特征表示进行处理，并进行预测实体信息，实体预测过程表述为： EI＝CRFM_feature， 其中，EI是预测的实体信息，M_feature是多模态特征表示， 步骤9：将预测后的实体信息反馈到基于注意力机制的神经网络中，进一步优化后门因果注意力网络、前门因果注意力网络和特征对齐优化器，以提高预测的准确性， 步骤10：重复步骤5至步骤9，直到达到预定的迭代次数或推理结果满足预先设定的性能指标为止。

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大连民族大学，其通讯地址为：116600 辽宁省大连市大连经济技术开发区辽河西路18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”。