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！

龙图腾网获悉国网信息通信产业集团有限公司;福建亿榕信息技术有限公司申请的专利基于Transformer的电力多模态全要素样本融合标注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：CN121302149B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511872252.8，技术领域涉及：G06F18/243；该发明授权基于Transformer的电力多模态全要素样本融合标注方法及系统是由伍臣周;吕君玉;陈桂良;郑耀松;刘宇航;刘鹏;叶文良;王从;黄彪设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本基于Transformer的电力多模态全要素样本融合标注方法及系统在说明书摘要公布了：本发明涉及基于Transformer的电力多模态全要素样本融合标注方法及系统，包括以下步骤：S1:获取生产作业现场的多模态原始数据，并经过预处理，得到预处理后的多模态数据集；S2:根据预处理后的多模态数据，进行多模态特征编码与Transformer表示建模，并通过跨模态特征融合与信息补全，得到融合特征表示；S3：根据融合特征表示及其对应的候选标签集，通过语义一致性检测与语义映射机制，获取多模态语义对齐标签集；S4:根据多模态语义对齐标签集，构建标签体系结构树；S5:基于融合特征表示和标签体系结构树，构建自动化标注模块生成初步标注，并基于相似样本与类别概率直接推断标签。本发明实现高效的自动化标签生成与样本动态归类。

本发明授权基于Transformer的电力多模态全要素样本融合标注方法及系统在权利要求书中公布了：1.基于Transformer的电力多模态全要素样本融合标注方法，其特征在于，包括以下步骤： S1:获取生产作业现场的多模态原始数据，并经过预处理，得到预处理后的多模态数据集； 所述多模态原始数据包括文本类数据、图像类数据、视频类数据以及结构化数据； S2:根据预处理后的多模态数据，进行多模态特征编码与Transformer表示建模，并通过跨模态特征融合与信息补全，得到融合特征表示； S3：根据融合特征表示及其对应的候选标签集，通过语义一致性检测与语义映射机制，获取多模态语义对齐标签集； S4:根据多模态语义对齐标签集，构建标签体系结构树； S5:基于融合特征表示和标签体系结构树，构建自动化标注模块生成初步标注，并基于相似样本与类别概率直接推断标签； 所述根据融合特征表示及其对应的候选标签集，通过语义一致性检测与语义映射机制，获取多模态语义对齐标签集，具体如下： 引入语义一致性检测机制，通过计算属性级、句向量级、概念层级的语义相似度，自动检测并校正不同模态在标签语义上的偏差，实现多源标签语义的统一； 所述语义一致性检测根据每个样本的融合特征向量Ei和候选标签集合Lcand： Lcand={l1,l2,…,lm}； 其中，lm为候选标签集合中的第m个标签； 评估每个模态子特征Ea对候选标签的语义匹配度，先计算模态语义嵌入向量vmod与标签语义嵌入向量vl的余弦相似度： ； 其中，Ea为第a个多模态数据样本的融合特征向量；lb为第b个候选标签;vmod为第a个样本在模态mod下的语义嵌入特征向量;为融合特征Ea与候选标签lb在模态mod下的余弦相似度； 通过多模态加权策略： ； 其中，M为所有涉及的模态集合；αmod为各模态权重系数；为综合多模态加权的语义一致性评分；得到每个融合样本与候选标签间的总体语义一致性评分； 当得到融合样本与候选标签的语义匹配度后，进入语义映射阶段，通过构建多模态语义图，实现标签间的语义级映射对齐，定义语义图为: G=V,E,V={vfusion,vab,...,vAB}； 其中，节点vfusion表示样本融合语义中心，节点vab表示候选标签ab的语义向量；vAB表示候选标签AB的语义向量； 为进一步增强映射鲁棒性，引入语义投影矩阵Wmap，将标签嵌入空间映射到样本特征空间： ； 其中，为投影到样本特征空间的标签lb的语义向量；为原始标签lb的语义向量；Wmap通过最小化语义对齐损失训练得到： ； 即在最小特征距离的同时最大化语义相似度，从而保证标签语义与样本特征空间的对齐，为多模态语义对齐损失；为损失项的折中权重超参数； 利用语义图的最大权重匹配算法，在所有候选标签中选择最优映射： ； 其中，Lcand为候选标签集合；wab为第a个样本与第b个标签之间的语义关联权重。

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国网信息通信产业集团有限公司;福建亿榕信息技术有限公司，其通讯地址为：102209 北京市昌平区未来科技城北区国网智能电网研究院内C座4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。