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对比学习与多模态融合的虚假新闻检测方法及装置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：CN120046111B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202510202338.3，技术领域涉及：G06F18/25；该发明授权基于对比学习与多模态融合的虚假新闻检测方法及装置是由阳爱民;唐铮航;林楠铠设计研发完成，并于2025-02-22向国家知识产权局提交的专利申请。

本基于对比学习与多模态融合的虚假新闻检测方法及装置在说明书摘要公布了：本发明公开了一种基于对比学习与多模态融合的虚假新闻检测方法及装置，该方法通过共注意力网络将初始文本特征、初始图像特征和初始图结构特征中的各特征分别与其余两个模态特征进行模态增强；然后，共注意力网络将增强文本特征、增强图像特征和增强图结构特征进行串联；最后，将目标多模态输出特征进行对比学习，并输入全连接层，得到待检测新闻为虚假新闻的预测概率。本发明通过共注意力网络将三种模态特征进行融合，得到具有三种模态信息的增强特征，保证了不同模态之间的语义一致性，提高了虚假新闻检测的准确度。通过对比学习拉近具有相同标签的样本之间的概率表示，可以更好地区分真实和虚假新闻，提高虚假新闻检测准确度。

本发明授权基于对比学习与多模态融合的虚假新闻检测方法及装置在权利要求书中公布了：1.一种基于对比学习与多模态融合的虚假新闻检测方法，其特征在于，方法包括： 通过预先训练完成的特征提取模型分别提取待检测新闻的初始文本特征、初始图像特征和初始图结构特征，其中，初始图结构特征为社交图的结构特征； 通过共注意力网络将初始文本特征、初始图像特征和初始图结构特征中的各特征分别与其余两个模态特征进行模态增强，得到增强文本特征、增强图像特征和增强图结构特征； 通过共注意力网络将增强文本特征、增强图像特征和增强图结构特征进行串联，得到目标多模态输出特征； 将目标多模态输出特征进行对比学习，并输入全连接层，得到待检测新闻为虚假新闻的预测概率； 将初始文本特征与其余两个模态特征进行模态增强的过程，包括： 基于初始图像特征对初始文本特征进行增强，得到跨模态文本特征； 基于初始图结构特征对跨模态文本特征进行增强，得到增强文本特征； 所述基于初始图像特征对初始文本特征进行增强，包括： 通过下述公式对初始文本特征进行增强： ， 其中，为跨模态文本特征，为初始图像特征查询向量，，为初始图像特征，为初始文本特征键向量的转置，为初始文本特征键向量，为初始文本特征的值向量，，为线性变换，为线性变换，为初始文本特征，h表示多头注意力机制中的头索引，i为索引变量，d表示特征维度，H是多头注意力机制中的头数；. 通过下述公式对跨模态文本特征进行增强： ， 其中，为增强文本特征，为初始图结构特征查询向量，，为初始图结构特征，为线性变换，为线性变换。

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：510030 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。