CNIPA.AI
返回搜索
档案

一种基于深度学习的多模态人才数据特征提取方法及系统

发明专利未知
10权利要求 · 4 独立
§ Ⅰ

卷宗概要

发明人

李雪冬; 张强; 张冬梅; 王荷茹; 施资; 杨琪萌; 周彤; 寇宁远; 张璐

申请日

Jun 8, 2026

公开日

Oct 27, 2026

IPC 分类

G06F 18/25 (2023.01)G06F 18/10 (2023.01)G06F 18/2135 (2023.01)G06F 40/30 (2020.01)G06F 17/16 (2006.01)G06N 3/045 (2023.01)G06N 3/048 (2023.01)G06N 3/084 (2023.01)

本发明提供一种基于深度学习的多模态人才数据特征提取方法及系统,涉及数据处理技术领域,所述方法包括:对跨模态语义协同交互图结构进行特征节点状态转移序列提取,构建连续表征演化流形轨迹;对连续表征演化流形轨迹执行方向一致性平滑与高频噪声抑制滤波处理,得到满足预设稳态阈值收敛条件的滤波态轨迹数据;根据滤波态轨迹数据进行低秩维度规约与全局特征池化处理,得到目标人才多模态特征提取结果。本发明有效解决了多模态人才数据中的异构鸿沟和特征冲突问题,提升了人才特征提取的语义一致性与表征能力。

登录后阅读全文

已显示权利要求 1。免费注册即可阅读全部 10 项权利要求、说明书全文、全部附图、翻译和法律状态。

  • 全部权利要求
  • 技术领域
  • 背景技术
  • 发明内容
  • 附图说明
  • 具体实施方式