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！

龙图腾网获悉安徽工业技术创新研究院;中国科学院合肥物质科学研究院申请的专利一种基于语义与情感自适应融合的抑郁症文本检测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：CN121506460B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202610021281.1，技术领域涉及：G16H50/20；该发明授权一种基于语义与情感自适应融合的抑郁症文本检测方法是由朱泽德;许城玮;高尚书;王启胜设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本一种基于语义与情感自适应融合的抑郁症文本检测方法在说明书摘要公布了：本发明提供一种基于语义与情感自适应融合的抑郁症文本检测方法，包括：获取待检测的原始文本；将原始文本输入至训练好的抑郁症识别网络中，得到抑郁症检测结果，其中，抑郁症识别网络包括预训练的BERT模型、层次语义模块、情感感知模块、特征融合模块以及分类器。本发明通过层次语义模块多尺度捕获文本中隐含的语义依赖，通过情感感知模块显式建模词级情感并构建情感关联矩阵以增强对复杂情感状态的感知，再通过特征融合模块自适应权衡与融合语义和情感特征，动态调整两类信息的贡献，生成判别性更强的综合特征表示，从而显著提升了对抑郁症文本的检测性能与模型可解释性。

本发明授权一种基于语义与情感自适应融合的抑郁症文本检测方法在权利要求书中公布了：1.一种基于语义与情感自适应融合的抑郁症文本检测方法，其特征在于，包括： 获取待检测的原始文本； 将所述原始文本输入至训练好的抑郁症识别网络中，得到抑郁症检测结果，其中，所述抑郁症识别网络包括： 预训练的BERT模型，用于对所述原始文本进行编码，得到上下文嵌入向量； 层次语义模块，用于从所述上下文嵌入向量中提取多粒度的语义特征并进行层次化融合，得到层次语义特征； 情感感知模块，用于根据所述上下文嵌入向量预测每个词的情感强度与极性，基于所述情感强度与极性构建情感相关矩阵，并利用所述情感相关矩阵对所述上下文嵌入向量进行情感增强处理，得到情感感知特征； 特征融合模块，用于对所述层次语义特征和所述情感感知特征进行自适应加权融合，得到第一融合特征；以及 分类器，用于根据所述第一融合特征进行分类，得到抑郁症检测结果； 所述情感感知模块通过以下步骤得到所述情感感知特征： 基于所述上下文嵌入向量，预测文本序列中每个词的情感强度值与情感极性值； 基于预测的情感强度值与情感极性值，构建情感相关矩阵； 利用所述情感相关矩阵，通过双分支路径对所述上下文嵌入向量进行情感增强处理； 对所述双分支路径的输出进行融合，得到所述情感感知特征； 基于预测的情感强度值与情感极性值，构建情感相关矩阵，包括： 基于所有词的情感强度值，计算词对间的强度交互值Iij，用公式表示为：； 基于所有词的情感极性值，计算词对间的极性相似度Pij，用公式可表示为：； 将所述强度交互值与所述极性相似度相结合，得到规则情感关联矩阵Arule，用公式可表示为：； 将每个词的情感强度值与情感极性值输入多层感知机进行变换，并通过词对间变换向量的交互得到可学习情感关联矩阵Alearn，用公式可表示为：； 将所述规则情感关联矩阵与所述可学习情感关联矩阵加权求和，得到所述情感相关矩阵A，用公式可表示为：，式中，α为平衡规则组件与学习组件的可学习权重； 利用所述情感相关矩阵，通过双分支路径对所述上下文嵌入向量进行情感增强处理，包括： 将所述上下文嵌入向量与所述情感相关矩阵进行加权操作，再将加权结果输入状态空间模型Mamba层进行处理，得到第一分支输出； 将所述上下文嵌入向量输入状态空间模型Mamba层进行处理，再将处理结果与所述情感相关矩阵进行加权操作，得到第二分支输出。

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安徽工业技术创新研究院;中国科学院合肥物质科学研究院，其通讯地址为：230088 安徽省合肥市蜀山区长江西路2221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。