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！

龙图腾网获悉北京理工大学申请的专利一种基于事件依赖的多模态虚假新闻检测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：CN116910683B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310663327.6，技术领域涉及：G06F18/25；该发明授权一种基于事件依赖的多模态虚假新闻检测方法是由施重阳;高小惠设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本一种基于事件依赖的多模态虚假新闻检测方法在说明书摘要公布了：本发明涉及一种基于事件依赖的多模态虚假新闻检测方法，属于多模态信息处理技术领域。本方法从多模态新闻中抽取事件，并借助事件实现新闻的多层次特征抽取和融合。首先，利用外部工具抽取的事件信息作为弱监督标签，结合图像和文本抽取出关键文本表征作为事件软标签。其次，设计对抗学习机制，结合事件标签抽取每个模态中和事件语义无关的事件不变特征。然后，设计多模态协同注意力机制，结合事件标签抽取每个模态中和事件语义相关的事件特定特征。最后，结合多个模态的多个事件特征，生成完整的多模态新闻表征进行真假预测。事件特定特征和事件不变特征从不同角度出发挖掘新闻的不同层次的特征，并引入高阶事件语义来改善多模态信息融合效果。

本发明授权一种基于事件依赖的多模态虚假新闻检测方法在权利要求书中公布了：1.一种基于事件依赖的多模态虚假新闻检测方法，其特征在于： 首先，抽取和图像信息对齐的关键文本表征，作为事件软标签； 然后，借助事件在每个模态中抽取事件语义相关的细粒度事件特定特征和事件语义无关的粗粒度事件不变特征； 最后，结合不同层次的事件特征生成完善的多模态新闻表征，检测新闻真假； 具体包括如下步骤： 步骤1：对多模态新闻中的文本信息和图像信息进行编码； 步骤1.1：首先获取新闻文本的粗粒度全局表征和所有字符表征构成的细粒度局部表征，然后将表征输入线性层控制输出向量的维度； 步骤1.2：获取新闻图像的全局表征和不同区域表征构成的局部表征，然后将表征输入线性层控制输出向量的维度； 步骤2：结合文本信息和图像信息，抽取多模态新闻的事件表征； 利用多头协同注意力机制，结合视觉和文本细粒度信息来抽取事件软标签；同时，为限制生成的多模态事件表征更靠近新闻的真实事件语义，且和判断新闻真假的依据更相关，设计对比损失和分类损失监督生成的事件表征； 步骤3：结合事件抽取每个模态的事件特定特征； 设计两个基于事件的多模态协同注意力模块，分别用于捕捉文本和图像两个模态的事件特定特征；第一个多模态协同注意力模块的输入分别为图像局部特征和事件局部特征，通过该模块实现图像和事件的多模态信息融合，同时捕获隐含的判断线索，第二个多模态协同注意力模块的输入是文本局部特征和事件局部特征，用于实现文本和事件表征的融合；最后，将学习到的两个模态的事件特定特征进行拼接，得到新闻的多模态事件特定特征； 步骤4：结合事件抽取每个模态的事件不变特征； 设计两个基于对抗网络的事件不变特征抽取模块；每个模块均包含一个鉴别器和一个生成器；文本编码器和图像编码器是两个生成器，作为生成器，它们用生成的信息欺骗鉴别器，尽力混淆鉴别器，使之不能区分信息来自哪个模态； 其中，鉴别器的输入是事件表征和生成器得到的文本或图像表征，它努力区分信息是来自事件模态还是来自文本或图像模态； 生成器与鉴别器进行博弈对抗，最终二者的损失函数达到平衡； 步骤5：预测多模态新闻的真假标签； 将得到的新闻的多模态事件特定特征和事件不变特征进行拼接，融合多层次的事件表征，生成最终的新闻多模态表征； 然后，将新闻的多模态表征传入全连接层和softmax层，预测新闻的真假标签； 步骤6：训练卷积神经网络； 使用交叉熵损失函数计算最终的分类损失值，进行梯度反向传播更新模型的所有参数，设置训练轮次，并改善过拟合现象。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。