Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湘江实验室毛星亮获国家专利权

湘江实验室毛星亮获国家专利权

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!

龙图腾网获悉湘江实验室申请的专利基于BERT与双向动态特征融合的社交机器人检测方法、电子设备及储存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:CN121051661B

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:202511588532.6,技术领域涉及:G06F18/2433;该发明授权基于BERT与双向动态特征融合的社交机器人检测方法、电子设备及储存介质是由毛星亮;陈永祥;李芳芳设计研发完成,并于2025-11-03向国家知识产权局提交的专利申请。

基于BERT与双向动态特征融合的社交机器人检测方法、电子设备及储存介质在说明书摘要公布了:本发明属于虚拟社交机器人检测技术领域,具体提供了一种基于BERT与双向动态特征融合的社交机器人检测方法、电子设备及储存介质,包括:在待检测社交数据集的基础上,获取待检测社交数据集中用户的文本模态数据、行为时序模态数据和社交关系模态数据;基于文本模态数据和行为时序模态数据得到增强文本特征和增强行为时序特征;基于社交关系模态数据生成社交结构特征;基于增强文本特征和增强行为时序特征,生成最终的跨模态初始关联特征;基于增强行为时序特征、社交结构特征和最终的跨模态初始关联特征,得到文本语义异常度和行为综合异常度;基于文本语义异常度和行为综合异常度,得到社交机器人检测结果;提升了社交机器人检测的准确率与鲁棒性。

本发明授权基于BERT与双向动态特征融合的社交机器人检测方法、电子设备及储存介质在权利要求书中公布了:1.一种基于BERT与双向动态特征融合的社交机器人检测方法,其特征在于,包括以下步骤: 步骤一、在待检测社交数据集的基础上,获取待检测社交数据集中用户的文本模态数据、行为时序模态数据和社交关系模态数据; 步骤二、分别对文本模态数据和行为时序模态数据进行增强处理,得到增强文本特征和增强行为时序特征; 以及,利用图卷积网络处理社交关系模态数据,生成社交结构特征; 得到增强文本特征的具体过程如下: 采用BERT模型处理文本模态数据,生成语义嵌入向量; 基于文本模态数据计算重构误差; 基于语义嵌入向量和重构误差,计算得到增强文本特征; 增强文本特征的表达式为: ; 得到增强行为时序特征的具体过程如下:S2.1、通过滑动窗口结合双向LSTM模型处理行为时序模态数据,得到任意一个滑动窗口截取的局部行为时序片段; S2.2、将任意一个滑动窗口截取的局部行为时序片段通过双向LSTM分别学习历史→当前的前向模式以及未来→当前的后向模式,将前向模式和后向模式拼接得到任意一个滑动窗口截取的双向时序特征;S2.3、重复S2.1和S2.2,对时序模态数据中的局部行为时序片段进行逐一处理,得到时序模态数据中所有的双向时序特征;对所述的双向时序特征均进行池化处理,得到增强行为时序特征;步骤三、在增强文本特征和增强行为时序特征基础上,构建跨模态关联机制,并将文本语义与行为时序模式进行初步关联,生成最终的跨模态初始关联特征; 得到最终的跨模态初始关联特征的具体过程如下: S3.1、对增强文本特征与增强行为时序特征进行降维对齐,得到对齐后的增强文本特征和对齐后的增强行为时序特征; S3.2、将对齐后的增强文本特征作为查询向量,对齐后的增强行为时序特征作为键值对和,计算出每个头的注意力权重;将每个头的注意力权重进行拼接,得到多头注意力输出; S3.3、计算对齐后的增强文本特征与对齐后的增强行为时序特征的逐元素乘积,得到初步关联特征; 将多头注意力输出与初步关联特征加权求和,得到跨模态初始关联特征;对跨模态初始关联特征应用残差连接与层归一化处理,输出最终的跨模态初始关联特征; 步骤四、基于增强行为时序特征、社交结构特征和最终的跨模态初始关联特征,得到文本语义异常度和行为综合异常度; 得到文本语义异常度和行为综合异常度的具体过程为: 基于增强行为时序特征,得到融合后的行为时序特征; 基于社交结构特征得到融合社交结构特征; 采用拼接与门控机制融合社交结构特征与行为时序特征,得到融合后的行为时序‑社交特征; 将最终的跨模态初始关联特征与融合后的时序‑社交特征进行残差连接与层归一化,得到深度跨模态融合特征; 将语义嵌入向量与深度跨模态融合特征拼接,输入两层全连接网络,通过Sigmoid函数输出初步文本语义异常度,再结合文本重构误差对初步的文本语义异常度进行加权调整,得到文本语义异常度; 将融合后的行为时序‑社交特征输入三层全连接网络,输出行为时序异常度和社交结构异常度,并加权求和得到行为综合异常度; 步骤五、通过动态权重机制融合文本语义异常度和行为综合异常度,生成综合异常分数; 基于综合异常分数对社交机器人进行判定,得到社交机器人检测结果。

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湘江实验室,其通讯地址为:410200 湖南省长沙市高新区尖山路217号北斗产业园1栋;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。