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！

龙图腾网获悉厦门简会信息科技有限公司;厦门以讯智创科技有限公司申请的专利一种基于多模态语义增强的非结构化数据处理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：CN121542705B 。

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：202610056272.6，技术领域涉及：G06F18/213；该发明授权一种基于多模态语义增强的非结构化数据处理方法及系统是由许进程;苏毓涵;庄俊杰;张伯松设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种基于多模态语义增强的非结构化数据处理方法及系统在说明书摘要公布了：本发明公开了一种基于多模态语义增强的非结构化数据处理方法及系统，该方法包括以下步骤：S1、对输入的非结构化数据分别进行视觉特征提取、文本识别与语义处理、符号或结构信息标准化与映射，生成统一的标准化多模态特征表示；S2、基于改进型语言模型对多模态特征进行语义编码与相似度优化，通过联合损失函数对语义表示与图结构表示进行协同优化；S3、采用跨模态注意力机制实现语义特征与结构特征之间的交互对齐，并从多个特征维度对嵌入表示进行相似度计算与匹配分析；S4、将识别结果与相似度分析结果进行可视化输出，并扩展实现数据检索、异常检测、一致性校验及语义级比对功能，再引入用户反馈信息对模型参数进行更新与优化。

本发明授权一种基于多模态语义增强的非结构化数据处理方法及系统在权利要求书中公布了：1.一种基于多模态语义增强的非结构化数据处理方法，其特征在于，包括以下步骤： S1、对输入的非结构化数据分别进行视觉特征提取、文本识别与语义处理、符号或结构信息标准化与映射，并通过多模态对齐机制实现不同模态特征的关联与融合，生成统一的标准化多模态特征表示； 步骤S1的具体过程为： S11、视觉数据特征提取：采用卷积神经网络得到符号特征图，计算公式为：，其中，为符号特征图；为卷积神经网络操作；为输入视觉数据，H、W和C分别为视觉数据的高度、宽度与通道数，h、w和d分别为特征图的高度、宽度与通道维度； S12、文字识别与文本处理：采用OCR技术提取文本信息，经分词去噪、归一化处理后，通过Word2Vec模型、FastText模型或大语言模型嵌入函数得到文本嵌入； S13、符号标准化与映射：构建常见元件的标准符号库，计算待识别符号特征与标准符号的余弦相似度，余弦相似度的计算公式为：，其中，为待识别符号特征与标准符号的余弦相似度；为待识别符号特征；为标准符号；为向量范数； 若余弦相似度大于阈值θ，则判定待识别符号属于标准符号所代表的标准元件类别，并与文本标签进行双向绑定； S14、多模态对齐与特征融合：采用跨模态对齐方法，利用线性投影函数将视觉数据特征和文本特征映射至相同隐空间，用于实现视觉数据特征与文本特征的统一表示，计算公式为：，，其中，为映射至相同隐空间的视觉数据特征；为视觉数据模态特征的线性投影矩阵；为视觉数据特征提取网络输出的原始视觉数据特征矩阵；为映射至相同隐空间的文本特征；为文本模态特征的线性投影矩阵；为文本语义编码模型提取得到的文本特征矩阵； 采用对比学习损失函数优化跨模态相似度，使同一符号的视觉数据与文本在嵌入空间中距离最小化，将不同符号之间的表示保持区分度，对比学习损失函数的计算公式为：，其中，为对比学习损失函数；为余弦相似度函数；为温度参数；表示负样本的索引；为表示第k个负样本文本特征向量； S2、基于改进型语言模型对多模态特征进行语义编码与相似度优化，并构建反映数据内在关联关系的图结构表示，利用图神经网络对图中节点特征进行聚合与更新，通过联合损失函数对语义表示与图结构表示进行协同优化； S3、采用跨模态注意力机制实现语义特征与结构特征之间的交互对齐，通过加权融合策略生成统一嵌入表示，并从多个特征维度对嵌入表示进行相似度计算与匹配分析； S4、将识别结果与相似度分析结果进行可视化输出，并扩展实现数据检索、异常检测、一致性校验及语义级比对功能，再引入用户反馈信息对模型参数进行更新与优化，以支持跨场景、跨领域的非结构化数据处理应用。

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厦门简会信息科技有限公司;厦门以讯智创科技有限公司，其通讯地址为：361000 福建省厦门市湖里区安岭二路88-1号303室之三；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。