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！

龙图腾网获悉湖南师范大学申请的专利一种基于层次网络的不良新闻文本极性检测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：CN119557451B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411802712.5，技术领域涉及：G06F16/353；该发明授权一种基于层次网络的不良新闻文本极性检测方法是由蒋少华;易锦成;文启鹏设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种基于层次网络的不良新闻文本极性检测方法在说明书摘要公布了：本发明公开了一种基于层次网络的不良新闻文本极性检测方法，本发明涉及不良新闻文本的检测领域，包括以下操作步骤：S1：收集多个渠道的新闻文本形成数据集；S2：数据预处理；S3：文本嵌入；S4：将嵌入后的文本特征向量输入至句子得分模块；S5：将上述新的文本特征向量与句子分数输入到树型层次结构模块中；S6：将树型层次结构的新闻输入到特征融合模块；S7：将融合后的树型层次结构高维特征向量输入到文本内容倾向检测模块。本发明所述的一种基于层次网络的不良新闻文本极性检测方法，可用于新闻文本发布对其进行内容倾向的检测、筛选，有助管控不良新闻文本的发布，优化新闻传播效果，优化国家形象塑造等具有具有重要意义。

本发明授权一种基于层次网络的不良新闻文本极性检测方法在权利要求书中公布了：1.一种基于层次网络的不良新闻文本极性检测方法，其特征在于：包括以下操作步骤： S1：收集多个渠道的新闻文本形成数据集，对数据集进行清洗，形成包含标题、文本两个元素的文本形成数据集，由专业的人员根据新闻文本中包含的倾向极性将新闻标注为中立、偏左、偏右，基于优化模型训练效果，将三类文本控制在相同数量并且包含多家新闻媒体； S2：数据预处理，通过提前设定好句子划分符号以及特征，对每一篇新闻文本进行分句形成新闻句列表，以新闻文章为单位将新闻存入数据加载器中并打乱数据，其中每一篇新闻文章包含自身句子列表以及标题； S3：文本嵌入，通过预训练模型对数据加载器中的文本进行嵌入，将文本转化为丰富的高维特征向量，以捕捉其深层语义并学习上下文信息； S4：包括句子得分模块，嵌入后的文本特征向量输入至句子得分模块，该模块用于为句子赋予一个分数，通过多特征融合策略，该模块综合分析句子的多方面特征，有效得到句子分数，句子分数与嵌入后的文本特征向量相乘得到新的文本特征向量，从而实现对文本主题的准确概括； S5：包括树型层次结构模块，将上述新的文本特征向量与句子分数输入到树型层次结构模块中，该模块用于评估与排序新闻文本中的句子重要性，从而构建出具有层级结构的树型表示，具体包括以下操作步骤： S501：实现文本句子的主次结构，利用计算得到的句子得分作为标准将句子划分为中心句与中心句对应的支撑句，形成句子集，将整篇文章划分为多个句子集； S502：实现整个文本的主次结构，利用得到的句子集，将整篇文章形成树型层次结构； S6：包括特征融合模块，将树型层次结构的新闻输入到特征融合模块，该模块用于将高维特征向量有效融合为低维表示，具体包括以下操作步骤： S601：以所述树型层次结构对文本进行特征融合，以自下而上的方式进行逐步融合，将句子集中的中心句和支撑句进行特征融合，支撑句以文本自然顺序排列，以确保保留文本的结构性和逻辑性； S602：以同样的方法将句子集进行特征融合，句子集以中心句在文本中的自然顺序排列；S603：以同样的方式将正文部分与标题特征向量进行特征融合； S7：包括文本内容倾向检测模块，将融合后的树型层次结构高维特征向量输入到文本内容倾向检测模块后，通过全连接层进行特征转换，用于提取潜在的文本倾向信息。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36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”。

以上内容由龙图腾AI智能生成。