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！

龙图腾网恭喜浙江大学申请的专利一种基于多模态特征的链上数字内容舆情传播预警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：CN118013102B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202410163153.1，技术领域涉及：G06F16/951；该发明授权一种基于多模态特征的链上数字内容舆情传播预警方法是由尹可挺;孙夏恩;冯天;陈依苓;鲁兴设计研发完成，并于2024-02-05向国家知识产权局提交的专利申请。

本一种基于多模态特征的链上数字内容舆情传播预警方法在说明书摘要公布了：本发明公开了一种基于多模态特征的链上数字内容舆情传播预警方法，该方法从单日舆情传播指数计算和舆情传播预警信号生成入手，提供了数据标签制作方法；利用多模态时序数据，通过双曲空间下的时序建模、跨模态注意力、时序注意力机制和特征融合方法，从交易模态、文本模态、动量模态挖掘了多模态特征对链上数字内容舆情传播的影响，充分考虑了链上数字内容特有的资产属性，实现链上数字内容舆情传播的预警。

本发明授权一种基于多模态特征的链上数字内容舆情传播预警方法在权利要求书中公布了：1.一种基于多模态特征的链上数字内容舆情传播预警方法，其特征在于，包括以下步骤：1舆情传播预警信号定义和数据标签制作阶段，具体包括以下子步骤：1.1收集数据集：使用TwitterAPI、微博API或网页页面爬虫，收集指定链上数字内容相关话题的推文文本数据、推文转评赞数据和区块链上交易记录数据得到所需的数据集；计算数据集中所有单条推文舆情传播度Iid；1.2计算每一个链上数字内容c在d日的单日舆情传播指数Ic，d：在第d日，链上数字内容c的推文集合Sc，d中，将自定义阈值单条推文舆情传播度Iid大于自定义阈值N的推文集合的基数作为单日舆情传播指数；所述自定义阈值N能够根据实际监控的链上数字内容c进行调整，其表达式为：Ic,d＝|{IidN}，id∈Sc，d；1.3舆情传播预警信号生成：针对链上数字内容c的单日舆情传播指数序列，首先计算该序列的短期移动平均线MA-N1和长期移动平均线MA-N2，其中N1N2，然后以W天为一个周期进行滑窗，其中WN2，通过孤立森林模型对该窗口的舆情传播指数进行离群值分析，得到离群点集合；筛选离群点集合中单日舆情传播指数高于MA-N2的点作为舆情传播预警信号，即正样本，其余均为负样本；1.4舆情传播预警信号噪音过滤和信号延拓：针对链上数字内容c的每日舆情传播指数序列，标记存在于两个正样本之间的日期为正样本，至多标记两个；如果正样本之后日期的单日舆情传播指数仍然高于MA-N1移动平均线，则将其标记为正样本，至多标记三个；2多模态数据预处理阶段，具体包括以下子步骤：2.1针对链上数字内容c，设置预警模型的观测窗口共D日，预测在T日是否会出现突发舆情传播预警信号；预警模型将于T日零时起，开始处理前D日的多模态数据；2.2构建交易模态前D日的时间序列特征其包含总共D日的链上数字内容交易数据，每天的链上数字内容交易数据包含链上数字内容c最早交易价格、最晚交易价格、最高价、最低价、买入交易量、卖出交易量共6维特征，形成时间序列表示2.3构建文本模态前D日的时间序列特征预警模型获取到总共D日的与该链上数字内容相关的推文后，借助情绪VAD词典，查询每条推文中词语级别的VAD分数，将各词语查询的结果在警觉度V、唤醒度A和受支配程度D三个维度上相加，得到句子级别VAD分数，同时记录该推文的长度L，记作该条推文的VAD-L特征，共计4维；计算每一天所有推文在VAD-L特征4个维度上的3个聚合表示数据：平均值、25％分位数值、75％分位数值，最终拼接得到文本数据的特征表示形成时间序列表示2.4构建动量模态前D日的时间序列特征其包含总共D日链上数字内容c的单日舆情传播指数，记作形成时间序列表示2.5对提取得到的各模态时间序列特征在时间维度上进行数据标准化处理；3时序数据建模阶段，具体为：使用双曲空间下的门控循环单元分别对三种模态数据进行时序编码，捕捉数据的时序幂律分布和无标度性质；4跨模态注意力阶段，具体为：构建跨模态注意力模块CA，对每一个链上数字内容c，通过两种不同模态m1，m2的隐层输出进行模态交互计算得到输出 5时序注意力阶段，具体包括以下子步骤：5.1在以T日为预警目标下，模态m的特征向量按照时间维度进行拼接，得到 5.2构建时序注意力模块TA，对每一个链上数字内容c，根据各特征向量在时间序列中不同的时序位置，赋予不同的权重，在以T日为预警目标下，输入前D日的模态特征计算时序聚合特征向量 6特征融合预警阶段，具体包括以下子步骤：6.1选择动量模态和交易模态交互，构建交易预警模型Etx，输出预测结果6.2选择动量模态和文本模态交互，构建文本预警模型Etext，输出预测结果6.3使用Focalloss损失函数分别训练文本预警模型Etext和交易预警模型Etx，Etext和Etx两个模型的参数不存在共享关系，判断T日是否会出现舆情传播预警信号；6.4使用LightGBM学习器拼接Etext和Etx进入Softmax前输出的知识表征，得到T日是否会出现舆情传播预警信号的最终判断

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。