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！

龙图腾网获悉广东工业大学申请的专利基于双向图神经网络的谣言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：CN118349681B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202410514089.7，技术领域涉及：G06F16/353；该发明授权基于双向图神经网络的谣言检测方法是由林源堃;李铭伟;李风环;陈宸;陈浩鹏设计研发完成，并于2024-04-26向国家知识产权局提交的专利申请。

本基于双向图神经网络的谣言检测方法在说明书摘要公布了：本发明公开的属于自然语言处理和信息传播技术领域，具体为基于双向图神经网络的谣言检测方法，包括具体步骤如下：利用深度学习方法对用户生成内容短文本数据进行词特征提取，使用提取的词特征建立HIN框架，使之能够集成附加信息并捕获文本和附加信息之间的丰富关系，以此减少文本的稀疏性，本发明的方法提出了一种灵活的HIN异构信息网络框架来对短文本建模，它可以集成任何类型的附加信息，以及捕捉它们的关系，以解决语义稀疏性。在此基础上，提出一种基于两级注意力机制的异构图注意力网络HGAT，通过嵌入HIN以进行文本分类，其拥有两级注意力机制，分别为节点级注意力机制和类型级注意力机制。

本发明授权基于双向图神经网络的谣言检测方法在权利要求书中公布了：1.基于双向图神经网络的谣言检测方法，其特征在于，包括具体步骤如下： S1：利用深度学习方法对用户生成内容短文本数据进行词特征提取，使用提取的词特征建立异构信息网络HIN框架，使之能够集成附加信息并捕获文本和附加信息之间的丰富关系； S2：使用一种双层次注意机制的异构图注意力网络HGAT，为提取短文本特征，在其中嵌入HIN； S3：对用户的转发数据，利用双向图神经网络，构建出自顶向下和自底向上两个图，并通过拼接两个图抽取出其传播和扩散的表示的信息的特征向量，具体步骤如下： S31：基于传播和扩散关系，为谣言事件ci构建传播结构GV,E，使得为其邻接矩阵，X为谣言事件i基于谣言传播树的特征矩阵； 使用DropEdge来避免过拟合，其公式如下： A'＝A-Adrop1 其中，假定图A中的边的总数为Ne，令随机删除率为p，Adrop是对原始边集进行随机采样Ne*p条边后进行构建获得； 在每次训练中，根据式1，选择占Ne比例为p的边，将其从原始图G中删除，以此形成A'，从而避免过拟合，此外，通过A'和X，能够构建Bi-GCN模型； S32：在DropEdge操作后，能够使用TD-GCN图神经网络和BU-GCN图神经网络，分别得到top-down传播特征和bottom-up传播特征，其TD-GCN两层的隐层表示如下： 其中和为TD-GCN的两层的隐层特征的表示，和是TD-GCN的卷积核参数矩阵，这里使用ReLU作为激活函数； 式2、式3类推，能够得到BU-GCN的两层隐层特征和 S33：针对TD-GCN的第k层GCL，将每个节点的隐层特征向量和第k-1层GCL的根节点的隐层特征向量拼接起来，构成一个新的特征矩阵： 其中利用根节点增强后的隐层特征来替换式2中的以此得到其公式如下： 式5，式6计算类推，能够以此得到和 S34：分别对TD-GCN和BU-GCN中的节点表示进行聚合，能够得到传播和扩散的表示，使用池化操作以聚合这两组节点表示，形式如下： 然后，将传播和扩散的表示进行拼接，以此来将两者的信息融合： S＝concatSTD,SBU9； S4：将利用HGAT得到的文本信息的表示与利用双向图神经网络得到的传播和扩散的表示相结合并对其进行标签的预测，同时利用交叉熵对模型进行训练。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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。