西北工业大学尚学群获国家专利权
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！
龙图腾网获悉西北工业大学申请的专利基于异质图卷积网络的虚假新闻识别方法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：CN115438274B 。
龙图腾网通过国家知识产权局官网在2025-07-29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：202210911726.5，技术领域涉及：G06F16/9536；该发明授权基于异质图卷积网络的虚假新闻识别方法是由尚学群;高莉;宋凌云;谭亚聪;刘杰;杨琛设计研发完成，并于2022-07-28向国家知识产权局提交的专利申请。
本基于异质图卷积网络的虚假新闻识别方法在说明书摘要公布了：本发明涉及一种基于异质图卷积网络的虚假新闻识别方法，包括以下步骤：1新闻数据获取及异质新闻传播图构建；2新闻文本特征提取：使用自然语言处理方法提取对文本的上下文交互信息；3异质图卷积网络模型设计：①设计拓扑平滑机制为每一个节点得到一个拓扑位置权重；②设计层次图注意力机制学习不同类型节点的结构特征；4特征融合与分类：首先将获取到的文本特征与获得的结构特征相结合，其次通过交叉熵损失函数进行训练最终得到的节点权重与节点特征向量进行虚假新闻分类。本发明方法在虚假新闻检测方面取得了优异的效果。
本发明授权基于异质图卷积网络的虚假新闻识别方法在权利要求书中公布了：1.一种基于异质图卷积网络的虚假新闻识别方法，其特征在于步骤如下： 步骤1：从社交平台中获取新闻数据，所述新闻数据包括源新闻m、相关评论c以及相应的用户u，并根据三者之间的联系构建一个异质新闻传播图HNG； 步骤2：使用自然语言处理模型对源新闻内容、评论内容进行文本特征信息获取； 步骤2.1：使用自然语言处理模型对文本进行初始特征获取； 步骤2.2：为进一步获取源新闻与评论之间的上下文语义特征，通过多头自注意力模型获取评论与源新闻的相关性，从而为新闻、评论得到新的具有上下文语义的特征；并将此特征作为异质图学习中源新闻节点、评论节点的初始特征向量； 步骤3：设计层次图卷积模型进行学习HNG结构，并得到节点的结构特征； 步骤3.1：设计拓扑平滑策略为新闻传播网络中的每个节点获取其拓扑位置权重； 步骤3.2：设计层次图注意力机制对构建好的HNG进行训练，并对网络中每个节点进行特征学习； 步骤4：将步骤3中得到的网络结构特征与步骤2中得到的文本信息特征相融合，进而产生新的向量进行进一步分类操作，达到虚假新闻检测的目的。
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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号