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！

龙图腾网获悉平安科技(深圳)有限公司申请的专利谣言引爆点的检测方法、装置、计算机设备及介质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：CN116450821B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310266913.7，技术领域涉及：G06F16/353；该发明授权谣言引爆点的检测方法、装置、计算机设备及介质是由舒畅;陈又新设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本谣言引爆点的检测方法、装置、计算机设备及介质在说明书摘要公布了：本发明涉及了深度学习领域，应用于金融、医疗等方面的谣言引爆点检测。本发明公开了一种谣言引爆点的检测方法，包括：获取数据集，其中，数据集包含参与谣言传播的节点文本和各节点之间的关系；利用Bert语言表征模型对所述数据集进行预训练，获得节点文本的向量矩阵和基于各节点之间关系的邻接矩阵；将向量矩阵、邻接矩阵输入第一图卷积神经网络中进行计算，得到第一高阶表示向量矩阵；将邻接矩阵进行转置，得到转置邻接矩阵；将向量矩阵、转置邻接矩阵输入第二图卷积神经网络中进行计算，得到第二高阶表示向量矩阵；将各节点的高阶表示向量矩阵输入第三图卷积神经网络的全连接层进行分类，得到各节点的分类结果。

本发明授权谣言引爆点的检测方法、装置、计算机设备及介质在权利要求书中公布了：1.一种谣言引爆点的检测方法，其特征在于，包括： 获取数据集，其中，所述数据集包含参与谣言传播的节点文本和各节点之间的关系； 利用Bert语言表征模型对所述数据集进行预训练，获得所述节点文本的向量矩阵和基于各节点之间关系的邻接矩阵； 将所述向量矩阵、所述邻接矩阵输入第一图卷积神经网络中进行计算，得到第一高阶表示向量矩阵； 将所述邻接矩阵进行转置，得到转置邻接矩阵； 将所述向量矩阵、所述转置邻接矩阵输入第二图卷积神经网络中进行计算，得到第二高阶表示向量矩阵； 将所述第一高阶表示向量矩阵和所述第二高阶表示向量矩阵进行拼接，得到各节点的高阶表示向量矩阵； 将各节点的所述高阶表示向量矩阵输入第三图卷积神经网络的全连接层进行分类，得到各节点的分类结果，其中，分类标签分为四种：开启话题、反对质疑、澄清说明、无实义； 基于所述各节点的分类结果，确定谣言引爆点； 所述将各节点的所述高阶表示向量矩阵输入第三图卷积神经网络的全连接层进行分类，得到各节点的分类结果的步骤，包括： 将各节点的所述高阶表示向量矩阵代入softmax函数进行计算，得出各节点在四种分类标签的概率； 将各节点在四种分类标签的概率进行结合，得到各节点的分类结果； 所述将各节点在四种分类标签的概率进行结合，得到各节点的分类结果的步骤之后，包括： 利用下述公式，将节点在四种分类标签的概率代入损失函数，计算节点在四种分类标签的概率分布与真实分布的差距： 其中：为节点在开启话题的分类标签的真实分布，为节点在开启话题的分类标签的概率分布，为节点在反对质疑的分类标签的真实分布，为节点在反对质疑的分类标签的概率分布，为节点在澄清说明的分类标签的真实分布，为节点在澄清说明的分类标签的概率分布，为节点在无实义的分类标签的真实分布，为节点在无实义的分类标签的概率分布，为开启话题的分类标签的权重，为反对质疑的分类标签的权重，为澄清说明的分类标签的权重，为无实义的分类标签的权重； 根据节点在四种分类标签的概率分布与真实分布的差距，对所述第一图卷积神经网络、所述第二图卷积神经网络、所述第三图卷积神经网络进行训练和拟合，优化所述第一图卷积神经网络、所述第二图卷积神经网络、所述第三图卷积神经网络的参数。

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平安科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼；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。