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！

申请/专利权人：江西师范大学

摘要：本发明涉及自然语言处理技术领域，公开了一种基于多视角和分层融合的虚假新闻检测方法，步骤如下：构建新闻样本，对新闻样本进行数据预处理；得到标题特征数据、文本特征数据和图像特征数据；标题特征数据得到标题编码特征向量，文本特征数据得到跨模态文本特征向量、文本编码特征向量、文本情感特征向量；图像特征数据得到图像情感特征向量、跨模态图像特征向量、图像空间域特征向量和图像频域特征向量；融合上述特征向量得到最终融合编码特征向量，输入到分类器模块中，输出新闻样本的真假预测标签。通过融合策略选择过程，有效利用文本模态与图像模态的跨模态之间的相似度信息，及时调整不同样本的模态重要性，达到更高的检测效率。

主权项：1.基于多视角和分层融合的虚假新闻检测方法，其特征在于，包括如下步骤：步骤S1，构建新闻样本，对新闻样本进行数据预处理；步骤S2，数据预处理后得到标题特征数据、文本特征数据和图像特征数据；步骤S3，将标题特征数据、文本特征数据和图像特征数据输入到多角度特征提取模型中，其中多角度特征提取模型包括预训练BERT模型、跨模态特征提取模块、文本情感特征提取模块、图像情感提取模块、预训练SwinT模型和预训练CNN模型；标题特征数据通过预训练BERT模型得到标题编码特征向量，文本特征数据分别通过跨模态特征提取模块得到跨模态文本特征向量、通过预训练BERT模型得到文本编码特征向量、通过文本情感特征提取模块得到文本情感特征向量；图像特征数据分别通过图像情感提取模块得到图像情感特征向量、通过跨模态特征提取模块得到跨模态图像特征向量、通过预训练SwinT模型得到图像空间域特征向量，通过预训练CNN模型得到图像频域特征向量；步骤S4，多角度特征提取模型连接层次融合模型，将标题编码特征向量、跨模态文本特征向量、文本编码特征向量、文本情感特征向量、图像情感特征向量、跨模态图像特征向量、图像空间域特征向量和图像频域特征向量输入到层次融合模型中；标题编码特征向量和文本编码特征向量融合后得到标题文本特征融合向量，跨模态文本特征向量和文本编码特征向量得到单模态文本特征融合向量，文本情感特征向量和图像情感特征向量融合后得到多模态情感特征融合向量，跨模态图像特征向量和图像空间域特征向量融合后得到单模态图像特征融合向量，图像空间域特征向量和图像频域特征向量融合后得到图像特征融合向量，跨模态文本特征向量、文本编码特征向量、跨模态图像特征向量和图像空间域特征向量融合后得到跨模态特征融合向量；步骤S5，基于标题文本特征融合向量、单模态文本特征融合向量、多模态情感特征融合向量、单模态图像特征融合向量、图像特征融合向量和跨模态特征融合向量得到最终融合编码特征向量，输入到分类器模块中，输出新闻样本的真假预测标签。

全文数据：

权利要求：

百度查询： 江西师范大学 基于多视角和分层融合的虚假新闻检测方法