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！

龙图腾网获悉江西脑控科技有限公司申请的专利基于认知图式张量分解的智能体拟人化交互方法及系统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：CN121706832B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610194588.1，技术领域涉及：G06N3/006；该发明授权基于认知图式张量分解的智能体拟人化交互方法及系统是由徐福静;刘雨飏;李婷;黄学坚;刘骏;陈斌设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本基于认知图式张量分解的智能体拟人化交互方法及系统在说明书摘要公布了：本发明提供了一种基于认知图式张量分解的智能体拟人化交互方法及系统，方法包括接收用户下发的多模态输入数据，将多模态输入数据转换为结构化的认知元素，将认知元素量化为数学表达，以得到三维认知图式张量；对三维认知图式张量进行分解，以得到核心张量与因子矩阵；基于核心张量与因子矩阵进行双图映射，以得到深层意图识别结果和话题策略；基于深层意图识别结果和话题策略生成拟人化自然语言响应并输出，本发明能够实现话题的平滑过渡，避免了传统对话机器人“生硬转折”的尴尬，提升了拟人化体验。

本发明授权基于认知图式张量分解的智能体拟人化交互方法及系统在权利要求书中公布了：1.一种基于认知图式张量分解的智能体拟人化交互方法，其特征在于，包括： 接收用户下发的多模态输入数据，将所述多模态输入数据转换为结构化的认知元素，将所述认知元素量化为数学表达，以得到三维认知图式张量； 对所述三维认知图式张量进行分解，以得到核心张量与因子矩阵； 基于所述核心张量与所述因子矩阵进行双图映射，以得到深层意图识别结果和话题策略； 基于所述深层意图识别结果和所述话题策略生成拟人化自然语言响应并输出； 所述三维认知图式张量为，其中，分别表示概念维度、关系维度、场景维度； 所述对所述三维认知图式张量进行分解，以得到核心张量与因子矩阵的步骤具体为： 采用第一预设公式对所述三维认知图式张量进行分解，以得到核心张量与因子矩阵，其中，第一预设公式为： ； 式中，为核心张量，为三维认知图式张量，分别为概念、关系、场景在潜在空间的映射的因子矩阵； 所述基于所述核心张量与所述因子矩阵进行双图映射，以得到深层意图识别结果和话题策略的步骤包括： 将所述核心张量沿着场景维度进行切片，以得到每个场景风格下的二维矩阵，对所述二维矩阵进行奇异值分解，以得到左奇异向量矩阵、特征矩阵以及右奇异向量矩阵； 提取所述左奇异向量矩阵中前若干个列向量，以得到每个场景风格下的意图基向量集； 识别当前对话状态并提取特征向量，计算特征向量与意图基向量集中的意图基向量之间的投影系数： ； 式中，为场景风格下的意图基向量集中的第个意图基向量； 选取投影系数最大时对应的场景风格以及意图基向量作为目标意图，以得到深层意图识别结果； 确定概念在潜在空间的映射的因子矩阵中的每个概念原型在话题空间的表示： ； 式中，为话题向量，为核心张量在处的元素，为关系在潜在空间的映射的因子矩阵的第列向量，表示第种关系模式； 构建有向图，其中，所述有向图的节点为各个概念原型对应的话题向量，所述有向图的边为节点之间的转移关系，所述有向图的权重矩阵为： ； 式中，分别表示概念原型对应的话题向量，为衰减系数，为概念原型在原始概念空间的语义距离，表示权重矩阵中行列的元素； 确定当前话题节点，从所述有向图中筛选与所述目标意图相似度最高的话题节点集，以得到目标话题节点集，通过路径搜索算法寻找从所述当前话题节点到所述目标话题节点集中任一节点的最优路径，将所述最优路径上的话题序列作为话题策略输出。

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江西脑控科技有限公司，其通讯地址为：330000 江西省南昌市赣江新区直管区万和路988号万创科技城1栋4层407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。