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！

龙图腾网获悉广州大学申请的专利一种基于多模态异常检测机制的假新闻识别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：CN115658951B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211026515.X，技术领域涉及：G06F16/583；该发明授权一种基于多模态异常检测机制的假新闻识别方法是由郑立刚;徐瀚设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本一种基于多模态异常检测机制的假新闻识别方法在说明书摘要公布了：本发明公开了一种基于多模态异常检测机制的假新闻识别方法，包括如下步骤：S1，从新闻网站中获取新闻中图片和文本的信息；S2，根据具体的算法挖掘图片和文本的相关信息；S3，检测输入的新闻中的图片和文本信息是否一致，判别真假新闻。本发明首次提出一种基于多模态异常检测机制的假新闻识别检测新方法，解决了单模态假新闻识别方法的盲区，旨在挖掘和利用图片中区域特征和文本中单词特征之间的具体关系。

本发明授权一种基于多模态异常检测机制的假新闻识别方法在权利要求书中公布了：1.一种基于多模态异常检测机制的假新闻识别方法，其特征在于，主要步骤包括： S1，从新闻网站中获取新闻中图片和文本的信息； S2，根据具体的算法挖掘图片和文本的相关信息； S3，检测输入的新闻中的图片和文本信息是否一致，判别真假新闻； 所述S2中的根据具体的算法挖掘图片和文本的相关信息包括： 在图卷积神经网络的传导规则中，需要输入邻接矩阵和节点特征矩阵；对于邻接矩阵，使用扩展后的相关性矩阵代替；在同一语义空间中，对于图片有包含区域特征的图片特征I'＝{I'1,I'2,...,I'm}，对于文本有包含单词特征的文本特征C'＝{C'1,C'2,...,C'n}；为了得到图片和文本的相关性，引入Attention机制来获取图片中不同区域和文本中不同单词的相关性矩阵，利用通过下列公式计算得到相关性矩阵A： 其中I′i是有包含区域特征的图片特征，C′j是有包含单词特征的文本特征，T为线性代数中的转置符号；i为图片中图片区域的标号，j为文本中单词的标号；Aij表示图片中不同区域和文本中不同单词的相关性矩阵； 将扩展后的矩阵作为图的邻接矩阵，使后续的图卷积神经网络在挖掘图中节点信息时抓住重点，挖掘出图片区域和文本单词的重要相关信息； 对于节点特征，将同一语义空间中的图片和文本特征进行拼接作为节点特征作为输入；通过以下公式将图片和文本特征拼接，得到图中每个节点的特征： X＝concat{I',C'}； 其中concat函数的作用是将两个特征在第一维进行拼接；I′为图片有包含区域特征的图片特征，C′＝{C′1，C′2，...，C′n}；C′为文本有包含单词特征的文本特征，Ⅰ′＝{I′1，I′2，...I′m}； 为了挖掘图中节点之间的相关性信息，使用两层图卷积层对信息进行获取，通过两层图卷积神经网络可得到图中每个节点对该图的贡献程度，通过以下公式计算: 其中fX,A是图卷积神经网络的传导函数，W0是第一层图卷积层需要学习的参数，Z0是第一层图卷积层的输出，W1是第二层图卷积层需要学习的参数；X为图片特征和文本特征拼接后的全部节点特征，A为由相关性矩阵得到的扩展矩阵，是经过归一化后的邻接矩阵，Z1为两层卷积层后的输出。

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州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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”。