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！

龙图腾网获悉北京航空航天大学申请的专利基于网络表示学习的社交网络异常检测系统与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：CN120744777B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511186976.7，技术领域涉及：G06F18/2433；该发明授权基于网络表示学习的社交网络异常检测系统与方法是由李牧;唐颂;冯逸骏设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本基于网络表示学习的社交网络异常检测系统与方法在说明书摘要公布了：本发明涉及机器学习技术领域，特别是涉及基于网络表示学习的社交网络异常检测系统与方法，包括异构特征提取层、跨模态融合层、异常决策层、联合优化层和公平性模块；基于社交网络获得的文本数据，处理得到网络结构数据和语义行为数据；经异构特征提取层，通过GCN‑M模型进行结构特征提取，动态微调BERT模型提取语义特征，跨模态融合层采用双通道动态注意力机制融合结构特征和语义特征得到融合特征矩阵并送入异常决策层；异常决策层通过深度森林分类器实现异常概率输出，本发明增强了模型的特征提取能力和泛化性能，实现特征的深度融合，能够更全面地刻画用户行为模式，从而显著提高了异常检测的准确性。

本发明授权基于网络表示学习的社交网络异常检测系统与方法在权利要求书中公布了：1.基于网络表示学习的社交网络异常检测系统，包括异构特征提取层、跨模态融合层、异常决策层、联合优化层；其特征在于， 所述异构特征提取层包括结构特征提取模块和语义特征提取模块，面向基于社交网络获得的文本数据进行处理得到的网络结构数据和语义行为数据；结构特征提取模块针对网络结构数据，采用改进的GCN模型即GCN-M模型，进行结构特征提取，具体为：针对加自环后的邻接矩阵，引入可学习的边权重参数矩阵，并对邻接矩阵元素进行阈值筛选后进行重要性排序，通过可学习投影向量计算节点保留分数，筛选高得分节点构成新的特征矩阵，同步生成池化邻接矩阵，实现节点特征的迭代传播；采用拼接结合投影的残差连接结构，将原始输入特征与图卷积输出结果沿特征维度拼接，得到结构特征； 语义特征提取模块提取语义特征，跨模态融合层融合结构特征和语义特征并送入异常决策层；异常决策层通过深度森林分类器实现异常概率输出； 所述跨模态融合层采用双通道动态注意力机制得到融合特征矩阵，并送入异常决策层； 所述跨模态融合层采用渐进式融合方法，针对网络节点的结构特征和语义特征，采用门控加权机制进行基础融合，随后引入协方差对齐约束，两通道输出通过跨模态注意力实现信息交互，计算节点间的注意力系数，通过注意力加权聚合得到融合特征； 联合优化层与异常检测模块、跨模态融合层、结构特征提取模块、语义特征提取模块分别相连接，通过多任务损失函数与自适应梯度裁剪策略实现异常检测模块、跨模态融合层、结构特征提取模块、语义特征提取模块的参数更新并对基于网络表示学习的社交网络异常检测系统进行优化； 联合优化层在优化过程中，采用两阶段渐进式优化策略：第一阶段冻结BERT模型的参数，仅训练GCN-M模型与跨模态融合层，进行粗粒度特征对齐；第二阶段释放BERT模型参数的微调能力，实现细粒度语义-结构协同优化。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。