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！

龙图腾网获悉西北工业大学申请的专利一种基于启发式异构图推理网络的虚假新闻检测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：CN115168765B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210575849.6，技术领域涉及：G06F16/958；该发明授权一种基于启发式异构图推理网络的虚假新闻检测方法是由吴连伟;刘浦胜;王鹏;张艳宁设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本一种基于启发式异构图推理网络的虚假新闻检测方法在说明书摘要公布了：本发明涉及一种基于启发式异构图推理网络的虚假新闻检测方法，包括以下步骤：将待检测新闻序列、表格、程序进行上下文表示；针对新闻序列、表格以及程序三种类型的数据借助不同的方法分别构建了三种子图；通过新闻序列指导程序子图与表格子图的匹配连接，从而形成程序‑表格关联图；通过程序信息指导新闻序列子图与表格子图的匹配连接，从而形成新闻‑表格关联图；设计局部多跳知识推理网络MKR来学习带有更多上下文特征的证据，并将MKR执行在新闻‑表格关联子图和程序‑表格关联子图上分别捕获语言证据和逻辑证据；设计全局双端注意力网络DAN，从而全局挖掘语言证据和逻辑证据之间的关联关系。

本发明授权一种基于启发式异构图推理网络的虚假新闻检测方法在权利要求书中公布了：1.一种基于启发式异构图推理网络的虚假新闻检测方法，其特征在于步骤如下： S1：上下文表示模块 采用预训练BERT模型分别将待检测新闻序列、表格、程序进行上下文表示； S2：子图构建模块 针对新闻序列、表格以及程序三种类型的数据借助不同的方法分别构建了三种子图，即通过依赖解析树的方法构建新闻序列子图，通过表头节点与表格主体节点连接的方式构建表格子图，并借助潜在程序算法LPA构建程序子图； S3：异构图构建模块 通过新闻序列指导程序子图与表格子图的匹配连接，从而形成程序-表格关联图；通过程序信息指导新闻序列子图与表格子图的匹配连接，从而形成新闻-表格关联图； S4：多视角推理模块 设计局部多跳知识推理网络MKR来学习带有更多上下文特征的证据，并将MKR执行在新闻-表格关联子图和程序-表格关联子图上分别捕获语言证据和逻辑证据；设计全局双端注意力网络DAN，从而全局挖掘语言证据和逻辑证据之间的关联关系； S4具体包括如下步骤： S41：针对一个节点，不仅学习其一跳的邻居节点，还学习k跳的邻居节点；这样，图注意力网络GAN通过考虑邻居顶点向量以及多跳邻居顶点向量从而更新的每个新顶点向量；其中表示节点的第k跳邻居的数量； 1 其中，表示节点受k跳节点影响的超参数，W为可训练的参数； S42：节点的一跳邻居权重和k跳邻居权重的计算如下所示： 2 其中，是一个LeakyReLU函数，当时，与分别表示和；当时，与分别表示和；是通过图注意力网络更新的第k跳节点； S43：针对整个图网络的紧密图表示通过所有更新节点的池化操作获得： 3 S44：通过MKR分别在新闻-表格关联子图与程序-表格关联子图上不断更新学习，从而捕获到带有更多上下文语义的语言证据和逻辑证据； S45：考虑到图网络中每个节点可能包含两种类型的邻居节点，即在同一个子图内的节点与不在同一个子图内的节点；全局双端注意力网络DAN设计了图内注意力机制与图间注意力机制两种推理机制： S46：图内注意机制：形式上，给定一个特定的节点和它的邻居节点，基于节点表示和计算图内注意力得分： 4 5 6 其中，所有的W皆为可训练参数，是节点和它的邻居节点的注意力权重，表示节点的邻居节点的数量，‘；’表示拼接操作，是激活函数，是节点所在子图中可学习的内部结构； S47：设计图间注意力机制测量子图之间邻接节点的关联关系： 7 S47：采用图注意力网络探索节点对应的子图之间的关联特征，最终，图内和图间的双向注意力机制整合进图卷积网络中： 8 9 10 其中，V和I分别表示节点的子图内和子图间的节点数量，表示节点在整个网络图中第一层的平均池化表示，是每层的正则化权重值，L是叠加层的数量，所有的W和b均为可训练的参数，； S47：设计了由三个相同模块组成的一致性融合层，对于语言证据和全局证据的融合，每个模块的细节如下： 使用两个BiLSTM分别编码语言证据和全局证据为和；然后，借助注意力机制匹配两个证据之间的显著特征；针对全局证据的第j个词，显著特征的计算如下： 11 12 其中，和分别表示的原始的关联度量以及标准化的关联度量； 基于语言指导的全局表示可由下式计算获得： 13 借助元素求和的方法将和编码的全局证据结合起来，然后与进行拼接并输入到全连通层，从而得到语言证据和全局证据之间的低维一致表示的： 14 15 相应地，逻辑证据和全局证据的一致表示也以同样的方式被计算；最终，将这两个一致表示与拼接起来作为三种证据的一致共享证据； S48：使用Softmax函数对模型的概率分布进行预测，并通过全局的损失函数进行交叉熵训练： 16 17其中，y为真实标签。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。

以上内容由龙图腾AI智能生成。