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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于语义的真假性特征的多模态虚假新闻检测方法及装置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：CN115878896B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211596243.7，技术领域涉及：G06F16/9535；该发明授权基于语义的真假性特征的多模态虚假新闻检测方法及装置是由李东升;彭丽雯;蹇松雷;乔林波;黄辰林;阚志刚设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于语义的真假性特征的多模态虚假新闻检测方法及装置在说明书摘要公布了：本发明公开一种基于语义的真假性特征的多模态虚假新闻检测方法及装置，该方法步骤包括：获取目标任务数据集中新闻的文本模态数据和对应的图像模态数据；对模态数据进行特征提取，得到单模态特征；对单模态特征分别进行聚类，得到语义伪标签；分别提取单模态特征的语义特征后进行学习，得到学习好的语义特征；提取单模态特征的真假特征；根据语义特征以及真假特征得到基于语义的真假性特征；融合文本模态、图像模态中基于语义的真假性特征得到新闻的多模态特征；训练虚假新闻检测网络；将所有新闻根据语义伪标签划分为多个簇，每一个簇使用对应的分类器实现簇内新闻的真假分类。本发明具有实现方法简单、实现成本低、检测效率以及精度等优点。

本发明授权基于语义的真假性特征的多模态虚假新闻检测方法及装置在权利要求书中公布了：1.一种基于语义的真假性特征的多模态虚假新闻检测方法，其特征在于，步骤包括： 步骤1:获取目标任务数据集中新闻的文本模态数据和对应的图像模态数据； 步骤2:对获取的所述新闻的文本模态数据和对应的图像模态数据进行特征提取，得到新闻的文本单模态特征和图像单模态特征； 步骤3:对目标数据集中所有新闻的所述文本单模态特征和图像单模态特征分别进行聚类，得到所有新闻的文本语义伪标签和图像语义伪标签； 步骤4:分别提取所述文本单模态特征、图像单模态特征的语义特征，并基于所述新闻的文本语义伪标签和图像语义伪标签对提取的语义特征进行学习，得到学习好的新闻的文本模态语义特征以及图像模态语义特征； 步骤5:提取所述文本单模态特征、图像单模态特征的真假特征，分别得到新闻的文本模态真假特征以及图像模态真假特征； 步骤6:根据所述新闻的文本模态语义特征、图像模态语义特征以及所述新闻的文本模态真假特征、图像模态真假特征，分别得到新闻的文本模态与图像模态的基于语义的真假性特征； 步骤7:融合新闻的文本模态中所述基于语义的真假性特征、图像模态中所述基于语义的真假性特征得到新闻的多模态特征； 步骤8:根据新闻的多模态特征构建网络训练的损失函数，并从目标任务数据集中选取出训练数据进行虚假新闻检测网络训练，训练完成后得到训练好的所有新闻的多模态特征； 步骤9:将所有新闻的多模态特征根据语义伪标签划分为多个簇，每一个簇使用对应的分类器实现簇内新闻的真假分类； 所述步骤8包括：对新闻的所述多模态特征，根据步骤S3得到的新闻的文本语义伪标签，分别构建基于语义的真假性损失函数以及基于语义的簇内距离损失函数，所述基于语义的真假性损失函数用于区分不同语义下的真假新闻，所述基于语义的簇内距离损失函数用于加强相同语义下的新闻语义特征，以及构建一个全连接层的神经网络用于预测新闻的真假标签，使用交叉熵损失进行网络训练，得到所述虚假新闻检测网络。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区砚瓦池正街47号；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”。