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！

龙图腾网获悉安徽理工大学申请的专利一种融合帖文属性的攻击性言论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：CN117056514B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202311024914.7，技术领域涉及：G06F16/353；该发明授权一种融合帖文属性的攻击性言论检测方法是由张顺香;王小龙;王琰慧;周渝皓;汪才钦设计研发完成，并于2023-08-12向国家知识产权局提交的专利申请。

本一种融合帖文属性的攻击性言论检测方法在说明书摘要公布了：本发明公开了一种融合帖文属性的攻击性言论检测方法，属于自然语言处理领域的文本处理技术，包括以下步骤：S1：对数据集进行预处理；S2：将处理后的帖文经过ERNIE和BiGRU中处理后得到帖文的文本特征；S3：利用帖文属性构建异构图，并进行异构图节点嵌入；S4：经过异构图注意力网络的两层注意力机制更新节点，最后更新的节点中含有帖文属性的关系表示；S5：将帖文的文本特征与含有帖文属性的关系特征进行拼接输入到Softmax层，得到攻击性言论检测结果。本发明通过采用异构图注意力网络，得到了含有帖文属性的关系特征，与原本的帖文文本特征融合后得到了语义更加丰富的特征向量，使得检测更加准确，为净化网络环境，营造和谐网络氛围提供了有力的技术支持。

本发明授权一种融合帖文属性的攻击性言论检测方法在权利要求书中公布了：1.一种融合帖文属性的攻击性言论检测方法，其特征在于包括如下步骤： 步骤1：首先对文本数据进行预处理操作，分词、剔除标点符号、空格、表情符号； 步骤2：将处理后的数据中的帖文经过ERNIE和BiGRU中处理后得到帖文的文本特征； 步骤3：利用帖文属性构建异构图，并进行异构图节点嵌入； 步骤4：经过异构图注意力网络的两层注意力机制更新节点，得到含有帖文属性的关系表示； 步骤5：将帖文的文本特征与含有帖文属性的关系特征拼接送入Softmax层，得到检测结果； 其中，步骤4包括： 步骤4.1：通过节点级注意力，学习每个邻居节点对该节点的重要性，并更新节点的特征向量； 步骤4.1.1：每个帖文的注意力值，计算如下： 其中，σ是Sigmoid激活函数，||是拼接函数，是节点级的注意力，是节点级的注意力向量； 步骤4.1.2：通过softmax函数得到每个特征向量的权值系数，公式如下： 其中，是用来调整形状的矩阵向量； 步骤4.1.3：将注意力值作为权重进行加权求和计算，得到元路径Φ下进行一轮的消息传递后，帖文节点i在这条元路径下的向量嵌入为： 其中，为转换后的帖文节点向量，是特征向量的权值系数； 步骤4.1.4：将所有的帖文节点经过节点级注意力后，可以得到关于这两条元路径下特定语义的帖文节点嵌入表示为，代表同一用户所发布的帖文信息，代表同一主题所包含的帖文； 步骤4.2：通过语义注意力学习到每个元路径的重要性，并再次更新节点的特征向量； 步骤4.2.1：学习到每个元路径的注意力值，计算如下： 其中，是每个元路径的权重，V代表所有节点，q是语义级别的注意力向量，W是权重矩阵，是元路径下帖文i的向量嵌入，b是偏置向量，并且是对于所有的元路径都是共享的； 步骤4.2.2：在获得每条元路径下的重要性后，对上述结果进行Softmax归一化作为语义级注意力以及最终根节点的嵌入计算，计算公式如下： 其中，是语义级注意力值，是每个元路径的权重，是元路径下的帖文节点嵌入，Z代表的是最终经过HAN网络层传递一轮后的节点特征向量集合； 步骤3包括： 步骤3.1：基于元路径构建出关于帖文属性的异构图，异构图中有帖文、主题以及作者三类节点，定义两条元路径：帖文-作者-帖文、帖文-主题-帖文； 步骤3.2：将异构图中的节点进行向量化，因为帖文文本的长度较长，所以通过ERNIE模型对帖文进行向量嵌入，然后将得到的矩阵向量通过全连接层展平为一维向量；异构图中的作者、主题节点只有几个字符长度，所以直接用Word2Vec进行词嵌入，然后通过全连接层将词向量变为一维向量； 步骤3.3：根据元路径帖文-作者-帖文，得到帖文节点的邻居节点，此时的帖文邻居节点都来自于同一作者；根据元路径帖文-主题-帖文，得到帖文节点的邻居节点，此时的帖文邻居节点都有相同的主题。

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安徽理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168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。