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！

龙图腾网恭喜浙江工业大学申请的专利一种基于传播过程综合信息的谣言检测方法及系统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：CN114547294B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210039042.0，技术领域涉及：G06F16/353；该发明授权一种基于传播过程综合信息的谣言检测方法及系统是由傅晨波;胡剑波;潘星宇;邱君瀚;罗浩耕;梁雪娇设计研发完成，并于2022-01-13向国家知识产权局提交的专利申请。

本一种基于传播过程综合信息的谣言检测方法及系统在说明书摘要公布了：一种基于传播过程综合信息的谣言检测方法，包括以下步骤：S1：获取公开的谣言数据集；S2：事件传播图和联合图的构成；S3：文本预处理和特征提取；S4：用户特征提取；S5：模型训练，得到性能最优模型；S6：模型预测，获取模型预测性能及指标。本发明还包括一种基于传播过程综合信息的谣言检测的系统，包括依次连接的数据获取模块，特征提取模块，模型训练模块和模型预测模块。本发明使用了传播过程中的综合信息来进行谣言识别检测，综合信息包含：文本内容、用户特征以及传播结构，并开发了一种新型的谣言识别模型Text‑SAGPool对社交媒体上的谣言进行精确且快速的识别。更好的实现对社交媒体上谣言信息的捕获和在未知事件中的实用性和高效性。

本发明授权一种基于传播过程综合信息的谣言检测方法及系统在权利要求书中公布了：1.一种基于传播过程综合信息的谣言检测方法，其特征在于：包括以下步骤：S1：数据获取：从社交媒体平台获取公开的谣言数据集，每个谣言数据集内部包含了若干的谣言事件和非谣言事件的传播综合信息，各个谣言和非谣言事件都含有一个源帖子和若干回复帖子，其中传播综合信息包括传播结构信息，文本信息和用户信息，此外，每个事件都有一个分类标签对应表示事件是否为谣言；S2：事件传播图和联合图的构成：对数据集中的每个谣言事件或非谣言事件进行解析，从中提取其传播结构信息，并且建模成为事件传播图，事件传播图内根节点表示源帖子，其他的各个节点表示参与事件传播的用户，节点间的连边表示用户之间的社交行为动作，将数据集内部所有事件传播图连接在一起构成整个数据集的联合图；S3：文本预处理：源帖子和回复帖子内都含有不同长度的文本内容，将数据集内部的各个谣言事件和非谣言事件的文本内容综合在一起，融合成一个语段，利用自然语言处理工具对该语段进行清洗，使用word2vec工具获取该语段的文本嵌入向量；S4：用户特征提取：对于每个参与事件传播的用户来说，使用8个用户特征来表征用户；S5：模型训练：将上述S2、S3和S4所获得的联合图、文本嵌入向量以及用户特征输入所设计的谣言检测模型：Text-SAGPool中，使用模型中的CNN模块提取文本表示，将用户特征作为联合图中各个节点的节点特征输入进行模型中的SAGPool模块获取每个谣言事件或者非谣言事件的图表示，将上述所获得文本表示和图表示联合在一起最后经过模型中的MLP层获取该模型的预测结果，将该预测结果与事件标签进行Loss计算，利用该Loss调整模型参数，直到迭代完成之后得到训练完成的模型；具体包括：S5.1：首先构造Text-SAGPool模型，Text-SAGPool存在两个变种，分别为Text-SAGPoolg和Text-SAGPoolh模型，两个变种模型均由两个分支所组成，分别为文本分支和图分支，其中文本分支相同，都是由三个核尺寸大小分别为3、4、5的CNN模块和三个最大池化层依次连接而成，对于Text-SAGPoolg模型来说，使用三个依次连接的图卷积层进行三次图卷积操作，并且使用一个图池化层进行一次图池化操作，将最后的图池化层的输出作为最终的图表示输出，而对于Text-SAGPoolh模型来说，其图分支含有三层图卷积层和三层图池化层，并且每次图池化操作完毕之后都会输入给下一个图卷积层进行图卷积操作，最后将三个图池化层的输出作为最终的图表示输出，最后将文本分支和图分支的输出连接起来输入给MLP层获得最终的预测标签；S5.2：Text-SAGPool模型的输入为预处理好的文本嵌入向量用户特征和传播结构信息其中N表示的是数据集中谣言事件和非谣言事件的数量之和，M表示的是数据集中所有用户的数量，同时需要将数据集内部的谣言事件和非谣言事件按照8:2的比例划分出训练集和测试集；S5.3：使用训练集分别对Text-SAGPoolg和Text-SAGPoolh模型进行训练，在训练过程中，由Text-SAGPoolg和Text-SAGPoolh模型所输出的预测标签和训练集的真实标签进行比较，并按照如下公式进行Loss计算： 依据上述所得到的Loss不断对模型的参数进行优化，直到迭代完成；S5.4：完成训练，保存最优模型；S6：模型预测：将新的传播事件处理为输入数据的格式，输入到训练好的模型中，实现对未知事件的预测。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。