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！

申请/专利权人：中国科学技术大学

摘要：本发明公开了基于知识驱动的大模型情绪溯源及传播路径分析方法，涉及人工智能技术领域，将事件和用户情绪输送到溯源路径模型中，以输出事件与用户情绪之间的因果关系以及用户情绪传播的最短路径；溯源路径模型的训练过程如下：构建训练集，训练集中包括事件和用户情绪；将事件和用户情绪输送到因果关系模型中，生成事件与用户情绪之间是否存在因果关系以及因果关系的强弱；将因果关系以及因果关系的强弱输送到传播路径模型中，以预测用户情绪传播的最短路径，基于所生成的用户情绪传播的最短路径调整溯源路径模型中的模型参数；该情绪溯源及传播路径分析方法提升了事件和用户情绪的因果预测的准确性以及有效地实现对用户情绪的溯源。

主权项：1.基于知识驱动的大模型情绪溯源及传播路径分析方法，其特征在于，将事件和用户情绪输送到溯源路径模型中，以输出事件与用户情绪之间的因果关系以及用户情绪传播的最短路径；所述溯源路径模型包括因果关系模型和传播路径模型，溯源路径模型的训练过程如下：S1：构建训练集，训练集中包括事件和用户情绪；S2：将事件和用户情绪输送到因果关系模型中，生成事件与用户情绪之间是否存在因果关系以及因果关系的强弱；S21：对事件进行特征编码，得到事件表征，基于历史事件表征构建事件知识库，使用语义增强模型中的键映射和值映射将事件知识库中的第个历史事件的表征映射为键向量和值向量；S22：计算事件表征和键向量之间的权重，并将权重应用于值向量，加权平均后得到相似特征，将相似特征与事件表征串联，得到增强事件表征；S23：将增强事件表征与用户情绪输入到大模型，生成事件与用户情绪之间是否存在因果关系以及因果关系的强弱；S3：将因果关系以及因果关系的强弱输送到传播路径模型中，以预测用户情绪传播的最短路径；S31：构建有向图，有向图的节点包括事件和用户情绪，相邻时刻的事件之间通过事件有向边连接，相邻时刻的用户情绪之间通过情绪有向边连接，在同一时刻的事件与用户情绪若存在因果关系，则在该时刻的事件与用户情绪之间通过事续有向边连接；S32：在事件有向边和情绪有向边上均设置权重作为静态权重，在事续有向边上设置因果关系的强弱作为动态权重，权重为大于0的预设值；S33：基于有向图，以及T时刻的情绪，针对每一个事件，找到所有事件与用户情绪相连的事续路径，并计算所述事续路径的权重；S34：采用最短路径算法，通过在计算中取该事续路径权重的相反数，计算得到情绪传播路径最短的源头事件，同时得到最短的源头事件对应的最短路径Z。

全文数据：

权利要求：

百度查询： 中国科学技术大学 基于知识驱动的大模型情绪溯源及传播路径分析方法