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！

龙图腾网获悉电子科技大学申请的专利一种用于多源假新闻检测的统一跨源上下文增强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：CN120277400B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510760934.3，技术领域涉及：G06F18/213；该发明授权一种用于多源假新闻检测的统一跨源上下文增强方法是由戴瑞婷;何涛;段贵多;冯硕;张若璇;马瑜江;蒙灏冉设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本一种用于多源假新闻检测的统一跨源上下文增强方法在说明书摘要公布了：一种用于多源假新闻检测的统一跨源上下文增强方法，涉及计算机视觉、自然语言处理及多模态信息融合领域。本发明的方案能够通过一个统一模型有效地从多个数据源中学习并整合丰富的全局上下文信息，从而克服了传统技术在面对复杂、多源数据时需要训练不同模型以及模型表现不佳的问题，并显著提升假新闻检测的准确性和可靠性。上下文增强能够有效捕捉不同来源间的长距离交互作用，还能融合异构来源的特征，减轻数据源差异导致的偏差。模型能够更智能地对齐和整合不同来源的数据，提升假新闻识别的整体性能。局部‑全局的双层结构提高了模型处理未见过数据源的能力，提升了系统的稳定性和检测效果。

本发明授权一种用于多源假新闻检测的统一跨源上下文增强方法在权利要求书中公布了：1.一种用于多源假新闻检测的统一跨源上下文增强方法，其特征在于，包括以下步骤： 步骤1：多源特征编码； 获取多个异构数据源的多模态数据，包括文本和图像模态数据； 提取数据中文本特征和图像特征后，基于动态时间规整策略将文本特征和图像特征对齐，再融合得到每个数据源中每个样本的局部特征； 步骤2：跨源全局上下文学习； 首先基于每个数据源，将源内的局部特征加权平均得到源原型，然后将源原型嵌入至局部特征中，得到嵌入后特征，同时采用对抗训练确保不同数据源的特征对齐； 然后基于不同数据源，计算不同数据源中嵌入后特征的距离，构建跨源样本库； 最后嵌入后特征基于跨源样本库中的每个相关样本进行上下文增强后，与原始的嵌入后特征融合生成融合后的全局特征； 步骤3：两级对比学习； 基于单一数据源，使用文本特征作为锚点，基于同一新闻标签的图像特征构建正样本集，基于不同新闻标签的图像特征构建负样本集，并计算局部对比损失； 基于所有数据源，使用给定样本的全局特征作为锚点，基于同一新闻标签的跨源全局特征构建正样本集，基于不同新闻标签的跨源全局特征构建负样本集，并计算全局对比损失； 步骤4：跨源多模态解码； 首先拼接局部特征和全局特征，得到融合后的特征； 然后使用解码器生成预测概率； 计算分类损失，计算总损失并调整每个损失的权重。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。