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！

龙图腾网获悉快上云(上海)网络科技有限公司申请的专利一种基于用户画像的故事自动生成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：CN121188222B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511735575.2，技术领域涉及：G06F16/435；该发明授权一种基于用户画像的故事自动生成方法及系统是由齐晓民;张诏设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本一种基于用户画像的故事自动生成方法及系统在说明书摘要公布了：本发明公开了一种基于用户画像的故事自动生成方法及系统，涉及用户画像建模技术领域，包括，采集用户实时交互数据，结合RAKE算法生成候选关键词集，计算VAD情感向量，基于候选关键词集和VAD情感向量生成情感共振关键词集；基于情感共振关键词集生成事件序列，利用事件序列构造事件图，通过LaMDA模型优化事件序列，计算边权重并更新事件图，通过VGAE编码得到更新事件图的概率分布，并结合VAD情感向量生成情节骨架；计算门控权重向量，基于门控权重向计算动态用户画像向量，计算损失函数更新编码器‑解码器模型，得到优化后的故事文本。本发明提高生成故事的情感一致性、情节连贯性和个性化水平。

本发明授权一种基于用户画像的故事自动生成方法及系统在权利要求书中公布了：1.一种基于用户画像的故事自动生成方法，其特征在于：包括， 采集用户实时交互数据，结合RAKE算法生成候选关键词集，计算VAD情感向量，基于候选关键词集和VAD情感向量生成情感共振关键词集； 基于情感共振关键词集生成事件序列，利用事件序列构造事件图，通过LaMDA模型优化事件序列，计算边权重并更新事件图，通过VGAE编码得到更新事件图的概率分布，并结合VAD情感向量生成情节骨架； 计算门控权重向量，基于门控权重向量计算动态用户画像向量，基于动态用户画像向量，通过编码器-解码器模型得到文本内容的概率分布，结合情节骨架生成故事文本，计算损失函数更新编码器-解码器模型，得到优化后的故事文本； 利用优化后的故事文本与用户动态画像，生成文本、图像和语音整合后的故事，通过收集用户的显式与隐式反馈计算综合满意度得分，利用综合满意度得分动态调整用户画像和事件图； 所述采集用户实时交互数据，结合RAKE算法生成候选关键词集，计算VAD情感向量，基于候选关键词集和VAD情感向量生成情感共振关键词集指采集用户实时交互数据，包括兴趣爱好嵌入向量、用户反馈文本和用户交互提示，将采集的兴趣爱好嵌入向量通过MLP神经网络进行降维，生成降维后的，将采集的多维特征进行拼接，得到多模态特征向量，使用RAKE算法提取候选关键词集，通过神经网络模型从多模态数据中提取特征，计算用户当前情绪状态的VAD情感向量，基于候选关键词集通过Sentence-BERT模型，输出文本语义嵌入向量，计算语义嵌入向量与情感向量的匹配度数值，选择匹配度数值预设阈值H的关键词，生成情感共振关键词集； 所述基于情感共振关键词集生成事件序列，利用事件序列构造事件图，通过LaMDA模型优化事件序列，计算边权重并更新事件图，通过VGAE编码得到更新事件图的概率分布，并结合VAD情感向量生成情节骨架指基于情感共振关键词集，对用户反馈文本和用户交互提示，使用spaCy依存句法分析功能，生成事件结构，输出事件序列，构造初始事件图，构建基于大规模语料BookCorpus的示例库，将当前用户的交互提示与情感共振关键词集进行拼接，输入LaMDA语言模型，生成优化事件序列，基于优化后的事件序列，计算边权重，将计算出的边权重显式赋值给对应边，作为初始事件图中边的权重属性，将无权图转换为带权事件图； 使用VGAE对优化后的事件图进行编码，得到编码后的概率分布，基于概率分布从中采样出事件图潜在变量，与用户当前的情感向量进行匹配计算相似度，仅保留相似度预设阈值B的事件子图作为最终情节骨架； 所述计算门控权重向量，基于门控权重向量计算动态用户画像向量指计算门控权重向量，基于门控权重向量，使用VAD情感向量结合兴趣爱好嵌入向量，通过门控机制计算动态用户画像向量； 所述基于动态用户画像向量，通过编码器-解码器模型得到文本内容的概率分布，结合情节骨架生成故事文本，计算损失函数更新编码器-解码器模型，得到优化后的故事文本指将文本内容进行预处理，将预处理后的文本送入预训练的Sentence-BERT模型中输出文本语义向量St，使用条件变分编码器对文本语义向量St和动态用户画像向量进行联合编码，得到文本内容潜在变量的概率分布，在解码阶段，将文本内容潜在变量、图像潜在变量和情感向量三者融合，送入层次化RNN解码器，逐词生成故事文本，预测完整故事序列的概率分布； 采用以下简化版变分下界损失函数进行端到端训练，计算损失函数L，通过最小化损失L优化编码器参数和解码器参数，固定训练好的编码器-解码器模型，输入文本语义向量St和动态用户画像向量与事件子图，编码得到文本内容潜在变量和图像潜在变量，再由解码器自回归地生成完整的故事文本。

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快上云(上海)网络科技有限公司，其通讯地址为：201207 上海市浦东新区中国(上海)自由贸易试验区芳春路400号1幢3层；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。