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！

龙图腾网获悉合肥泓泉档案信息科技有限公司申请的专利一种基于语义识别的家庭档案机器人智能分类管理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：CN121280782B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511440443.7，技术领域涉及：G06V10/764；该发明授权一种基于语义识别的家庭档案机器人智能分类管理方法是由姜心泓设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种基于语义识别的家庭档案机器人智能分类管理方法在说明书摘要公布了：本发明公开了一种基于语义识别的家庭档案机器人智能分类管理方法，包括如下步骤：采集家庭档案的多模态数据，进行预处理；输入至改进型DeBERTa的多模态适配模块，进行融合和加权处理；输入至层次化注意力池化模块，进行注意力加权处理；进行线性变换和归一化处理，生成并存储目标类别标签；与用户的历史档案分类行为进行比对，更新分类模型参数并执行物理操作；解析检索指令，输入至语义对比学习模块，进行嵌入空间映射和相似度计算；进行语义相似度匹配，输出档案结果并反馈给用户。本发明融合改进型DeBERTa与多模态语义建模，实现家庭档案智能分类与检索，具备语义理解精准和机器人交互高效的优点。

本发明授权一种基于语义识别的家庭档案机器人智能分类管理方法在权利要求书中公布了：1.一种基于语义识别的家庭档案机器人智能分类管理方法，其特征在于，包括如下步骤： 采集家庭档案的多模态数据，进行预处理，生成标准化数据集； 将标准化数据集输入改进型DeBERTa的多模态适配模块，对文本和图像特征进行融合，并通过注意力机制加权处理，生成语义向量序列； 将语义向量序列输入改进型DeBERTa的层次化注意力池化模块，对词语向量进行注意力加权处理，生成语义特征表示； 根据语义特征表示，通过分类模型进行线性变换和归一化处理，生成目标类别标签，并存储至分类数据库； 将目标类别标签与用户的历史档案分类行为进行比对，利用增量学习策略更新分类模型参数，生成个性化分类结果，并传输至家庭机器人控制模块，执行对应的物理操作； 用户发出检索指令时，对检索指令进行解析，并输入改进型DeBERTa的语义对比学习模块，进行嵌入空间映射和相似度计算，生成检索结果列表； 将检索结果列表与分类数据库中的档案语义特征表示进行语义相似度匹配，输出对应的档案结果，并通过机器人交互模块反馈给用户； 所述语义向量序列的生成具体包括： 将标准化数据集输入改进型DeBERTa的多模态适配模块，对来自纸质档案的文本数据通过卷积循环神经网络进行字符特征提取和序列解码，对来自音频的语音数据通过卷积循环神经网络进行语音识别转换处理，分别生成文本序列； 将文本序列输入词嵌入层，将每个词语单元转换为固定维度的向量表示，生成初始词向量序列，并输入双向长短期记忆网络，利用前向网络计算从序列起点到当前位置的上下文信息，生成前向隐藏状态，利用后向网络计算从序列终点到当前位置的上下文信息，生成后向隐藏状态，并将前向隐藏状态和后向隐藏状态在对应位置进行拼接，生成文本嵌入表示； 对来自图像的档案内容通过卷积神经网络进行特征提取，并通过线性变换统一至与文本嵌入表示相同的维度空间，生成图像语义标签向量； 将文本序列表示和图像语义标签向量分别输入全连接映射网络，通过线性变换映射至统一的嵌入空间，对映射后的表示进行维度一致化处理，并进行拼接融合，生成初始语义向量； 基于初始语义向量，通过语义内容线性变换计算内容向量，通过词语顺序信息的线性变换计算位置向量，并通过注意力机制对内容向量和位置向量进行加权融合和依次拼接，生成语义向量序列； 所述改进型DeBERTa在原DeBERTa模型的基础上，在输入阶段引入多模态适配模块，接收文本、语音和图像特征并进行统一嵌入映射，生成初始语义向量，在语义向量输出端引入层次化注意力池化模块，对词语向量进行注意力加权和层次化聚合，依次生成句子级和档案级语义表示，在检索解析阶段在模型输出端引入语义对比学习模块，通过对检索语句语义向量与档案语义向量进行嵌入映射和相似度计算，生成检索结果列表，所述多模态适配模块由卷积循环神经网络、双向长短期记忆网络、卷积神经网络与全连接映射网络构成，所述层次化注意力池化模块采用多头自注意力网络和前馈神经网络相结合的结构，所述语义对比学习模块词嵌入层、多头自注意力网络和前馈神经网络构成； 所述语义特征表示的生成具体包括： 将语义向量序列输入改进型DeBERTa的层次化注意力池化模块，通过多头自注意力网络对词语向量和权重向量进行点积计算，并进行归一化处理，生成注意力权重，将注意力权重和对应的词语向量进行加权运算，输出加权后的词语向量； 将加权后的词语向量输入前馈神经网络，通过全连接层对加权后的词语向量进行线性变换，生成映射向量，将映射向量输入GELU激活函数进行非线性处理，得到非线性特征表示，将非线性特征表示输入第二个全连接层进行线性变换，生成句子级语义表示； 将多个句子级语义表示输入多头自注意力网络，通过相同的注意力权重计算和加权运算得到句子加权表示，并输入前馈神经网络进行特征变换，生成档案级语义特征表示； 所述检索结果列表的生成具体包括： 将用户输入的检索指令进行分词处理，并通过词嵌入层将每个词语单元转换为固定维度的向量表示，生成检索词语向量序列； 将检索词语向量序列输入改进型DeBERTa的语义对比学习模块，通过词嵌入层将词语单元转换为固定维度的词语向量序列，通过多头自注意力网络计算注意力权重，利用注意力权重进行加权运算，输出加权后的语义表示； 将加权后的语义表示输入前馈神经网络进行非线性变换，生成检索语义向量和档案语义向量，并在统一的嵌入空间内进行相似度计算和归一化处理，生成匹配分值； 将所有匹配分值按照数值大小进行比较，并将匹配分值较高的档案语义向量对应的档案排在前列，生成检索结果列表。

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合肥泓泉档案信息科技有限公司，其通讯地址为：230088 安徽省合肥市高新区黄山路599号时代数码港大厦13层1309室；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。