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！

龙图腾网获悉郑州大学申请的专利一种基于D-S证据理论的社交网络信息可信度评价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：CN117009853B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202310921850.4，技术领域涉及：G06F18/24；该发明授权一种基于D-S证据理论的社交网络信息可信度评价方法是由王剑;王明慧;王京岭;张革;郭世元;庾桂铭;王章全;安镇宙;杨健设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本一种基于D-S证据理论的社交网络信息可信度评价方法在说明书摘要公布了：本发明公开了一种基于D‑S证据理论的社交网络信息可信度评价方法，包括步骤1：特征抽取，使用BERT预训练模型、ResNet50神经网络、TF‑IDF算法以及余弦相似度的方法抽取正文文本特征、图文一致性特征以及标题‑正文一致性特征；步骤2：证据生成，使用基本概率分配方法及相关公式将原始证据转化为对应的BPA；步骤3：证据融合，计算证据清晰度、证据可信度、证据权重，并结合证据合成规则，实现证据融合。该方法首先分别利用正文文本特征、图文一致性特征和标题‑正文一致性特征进行信息可信度评价；继而将三种基于单一特征的可信度评价结果转换为证据，并使用改进的D‑S证据理论融合规则做出融合和决策，最后输出可信度综合评价的最终结果。

本发明授权一种基于D-S证据理论的社交网络信息可信度评价方法在权利要求书中公布了：1.一种基于D‑S证据理论的社交网络信息可信度评价方法，其特征在于，包括以下步骤： 步骤1：特征抽取，使用BERT预训练模型、ResNet50神经网络、TF‑IDF算法以及余弦相似度的方法抽取正文文本特征、图文一致性特征以及标题‑正文一致性特征； 步骤2：证据生成，使用基本概率分配方法及相关公式将原始证据转化为对应的BPA； 步骤3：证据融合，计算证据清晰度、证据可信度、证据权重，并结合证据合成规则，实现证据融合； 步骤3包括以下内容： 步骤31：证据可信度计算； 使用证据的相似度度量证据可信度，首先计算证据相似度作为初始可信度，然后使用证据排序因子修正初始可信度，相似度计算方法如下： 其中，mi和mj分别表示经不同的单特征进行可信度评价的结果对应的证据向量ma，mb，mc中任意两者对应的向量，mi‑mj是证据mi和mj之间的向量差，表示输入证据间的距离，D为一个基于焦元一阶范数的矩阵，且D＝|A∩B||A∪B|； 证据的可信度定义如下： 其中，Credmi表示证据mi的可信度，ms为参与融合的证据集合，ms中的所有证据必须和m处于同一个辨识框架之下，证据间的相似性用于反应证据的整体可信度，证据间的相似度之和越高，其可信度越大； 使用排序因子修正可信度公式如21式所示： 其中，SortFactormi表示证据mi所对应的排序因子； 步骤32：证据清晰度计算； 通过计算各证据与均匀分布间距离表示证据的清晰度，并将结果归一化处理，两个证据Ei和Ej之间的Wasserstein距离如下： 其中，WEi,Ej表示证据Ei和Ej之间的概率分布差异，即两个证据之间的距离，识别框架中包含n个元素，inf表示对表达式取最大下界，γ的取值范围为[0，2n‑12]，证据mi的清晰度计算公式如下： Clarmi＝Wmi,U 23其中，mi表示待计算的证据，U表示均匀分布，|m|表示任意证据体内焦元的个数，Clarmi表示证据mi的清晰度； 步骤33：证据权重确定； 证据权重由证据可信度与清晰度共同确定，使用权重确定方法计算证据权重，计算公式如下： 其中，N为参与融合的证据个数，wmi为证据mi的权重； 步骤34：根据证据合成规则进行证据合成； 根据证据的权重定义归一化证据MAE，MAE为根据权重修正后的证据，MAE的定义如下： 假设m1,m2…mN是处于同一辨识框架下的N个证据,并且wmi是证据mi的权重,则MAE计算公式如下： 使用基本公式将MAE融合n‑1次得到最终的融合结果Rabc。

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郑州大学，其通讯地址为：450001 河南省郑州市高新技术开发区科学大道100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。