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！

龙图腾网获悉四川大学申请的专利一种基于双重特征的自适应多模态虚假消息检测方法及模型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：CN119272106B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411283963.7，技术领域涉及：G06F18/241；该发明授权一种基于双重特征的自适应多模态虚假消息检测方法及模型是由梁刚;颜可翔;蒲奥;胡海馨;赵奎;杨进设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种基于双重特征的自适应多模态虚假消息检测方法及模型在说明书摘要公布了：本发明涉及网络内容安全、网络空间安全技术等领域，公开了一种基于双重特征的自适应多模态虚假消息检测方法及模型，采用基于双重特征的自适应多模态虚假消息检测模型实现，包括：自适应推文处理模块用于得到推文的自然语言内容、视觉内容和标记信息；数据增强模块获取推文的自然语言内容，并输入到数据增强模块的大语言模型内对文本进行改写；多模态特征构建模块用于得到多模态模式特征和事实特征；虚假消息检测模块结合一个包含门控网络的多专家网络聚合推文特征实现虚假消息的分类，最终起到准确的进行虚假信息检测的有益效果，旨在改善现有的虚假信息检测方法在现实场景中的准确性。

本发明授权一种基于双重特征的自适应多模态虚假消息检测方法及模型在权利要求书中公布了：1.一种基于双重特征的自适应多模态虚假消息检测方法，其特征在于：采用自适应推文处理模块、数据增强模块、多模态特征构建模块和虚假消息检测模块所构成的基于双重特征的自适应多模态虚假消息检测模型实现，包括下述步骤： 1自适应推文处理模块收集权威平台、辟谣网站和其它网站三类网络平台中的推文，并将进行了真实性标记的推文构成训练数据集，未进行真实性标记的推文形成待检测的测试数据集，并对收集到的推文进行处理得到推文的自然语言内容、视觉内容和标记信息； 2数据增强模块对训练数据集进行数据增强：获取训练数据集中推文的自然语言内容，将推文的自然语言内容输入到数据增强模块的大语言模型内对文本进行改写，与推文的视觉内容和标记信息组成新推文，扩充训练数据集； 3多模态特征构建模块通过多模态双重特征提取方法提取出自然语言内容和视觉内容中的多模态模式特征，以及自然语言内容和视觉内容中的事实特征；包括下述步骤： 3.1构建模式特征提取网络：对于自然语言内容，采用BERT模型获得各个层次的输出；对于视觉内容，采用ViT模型获得各个层次的输出； 然后，对于标记信息为自然语言视觉内容并存的推文采用可学习的桥接层连接自然语言内容的各个层次输出和视觉内容的各个层次输出，获得融合的多模态模式特征； 对于标记信息为只存在自然语言内容、只存在视觉内容的推文，将各个层次的输出直接作为模式特征； 3.2事实提取： 对于标记信息为自然语言视觉内容并存的推文，多模态特征构建模块首先采用大语言模型获得自然语言内容的文本摘要；然后通过视觉语言大模型BLIP的相似度模块计算获得文本摘要和视觉内容的相似度，利用GradCAM定位视觉内容和文本摘要相关的图片区域，最后使用视觉语言大模型BLIP生成这些图片区域的图片描述； 对于标记信息为只存在自然语言内容的推文，多模态特征构建模块只提取文本摘要； 对于标记信息为只存在视觉内容的推文，多模态特征构建模块将直接采用视觉语言大模型BLIP获得图片描述； 3.3构建事实特征提取网络： 对于标记信息为自然语言视觉内容并存的推文中所获得的文本摘要，多模态特征构建模块采用BERT模型获得各个层次的输出，对于标记信息为自然语言视觉内容并存的推文中所获得的图片描述，多模态特征构建模块采用BERT模型获得各个层次的输出；采用可学习的桥接层连接文本摘要和图片描述的各个层次输出，获得融合的多模态事实特征； 对于标记信息为只存在自然语言内容的推文，所述基于双重特征的自适应多模态虚假消息检测模型将文本摘要的各个层次输出直接作为事实特征； 对于标记信息为只存在视觉内容的推文，所述基于双重特征的自适应多模态虚假消息检测模型将图片描述的各个层次输出直接作为事实特征； 4虚假消息检测模块结合一个包含门控网络的混合专家网络聚合推文特征实现虚假消息的分类。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。