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！

龙图腾网恭喜上海交通大学申请的专利一种基于异质图对比学习的虚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：CN114020928B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202111285757.6，技术领域涉及：G06F16/36；该发明授权一种基于异质图对比学习的虚假新闻识别方法是由潘理;陈致凯设计研发完成，并于2021-11-02向国家知识产权局提交的专利申请。

本一种基于异质图对比学习的虚假新闻识别方法在说明书摘要公布了：本发明涉及一种基于异质图对比学习的虚假新闻识别方法，包括以下步骤：1构建关于新闻节点的虚假新闻异质图；2获取新闻的文本特征信息F；3构造基于新闻‑用户‑新闻以及新闻‑主题‑新闻两条元路径的子图；4对于子图分别通过恒等变换得到第一组视图，通过随机结构变换得到第二组视图；5对于两组视图通过图神经网络进行特征提取，分别得到对应的特征矩阵；6通过对比学习与反向传播训练图神经网络GNN1与GNN2的参数，输入新闻节点的初始文本特征得到新闻节点特征；7将得到的新闻节点特征作为多层感知机的输入并训练，进行虚假新闻识别。与现有技术相比，本发明具有适应于小样本标注、鲁棒性好、实用性高等优点。

本发明授权一种基于异质图对比学习的虚假新闻识别方法在权利要求书中公布了：1.一种基于异质图对比学习的虚假新闻识别方法，其特征在于，包括以下步骤：1从社交网络平台上获取新闻相关的数据，包括新闻原始的文本内容与新闻产生互动转发的用户群体以及新闻的类别主题信息，并构建关于新闻节点的虚假新闻异质图；2根据新闻原始的文本内容通过预训练语言模型获取新闻的文本特征信息F，作为新闻节点的初始文本特征；3通过新闻-用户与新闻-主题两条元路径，构造基于新闻-用户-新闻以及新闻-主题-新闻两条元路径的子图与4对于子图与分别通过恒等变换得到第一组视图Anu与Ano，通过随机结构变换得到第二组视图A′nu与A′no；5对于两组视图通过图神经网络GNN1与GNN2进行特征提取，分别得到对应的特征矩阵Z＝GNN1Anu,Ano和Z′＝GNN2A′nu,A′no；6通过对比学习与反向传播训练图神经网络GNN1与GNN2的参数，以第一组视图的图神经网络GNN1作为新闻节点的编码器，输入新闻节点的初始文本特征得到新闻节点特征；7将得到的新闻节点特征作为多层感知机的输入并训练，得到训练好的分类模型，并根据该训练好的分类模型进行虚假新闻识别；所述的步骤1中，对于与新闻产生互动转发的用户群体，仅获取新闻与用户之间的连接关系enu；对于新闻的类别主题信息，若新闻中存在相关的主题则直接使用，否则通过LDA类的主题生成方法获取新闻的主题分类，然后构造出新闻与主题类别之间的关系eno。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。