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！

龙图腾网获悉江苏海洋大学申请的专利一种基于预训练模型融合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：CN116049396B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211694113.7，技术领域涉及：G06F16/353；该发明授权一种基于预训练模型融合的虚假新闻检测方法是由李慧;蒋园园;仲兆满;侯鹏飞;李鑫;邢立豹;左宇航;徐志勇设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于预训练模型融合的虚假新闻检测方法在说明书摘要公布了：本发明公开了一种基于预训练模型融合的虚假新闻检测方法，通过使用不同的预训练模型获得不同视角的特征表示，通过孪生卷积网络对特征进行相似性度量，基于多层感知机网络实现对虚假新闻的分类检测，实现短文本的虚假新闻检测。如此在虚假新闻检测的实际应用中，本方法具备充分地提取不同文本特征的能力，从而极大的提高虚假新闻筛查准确率。

本发明授权一种基于预训练模型融合的虚假新闻检测方法在权利要求书中公布了：1.一种基于预训练模型融合的虚假新闻检测方法，其特征在于：包括按如下步骤1至步骤5完成虚假新闻检测任务： 步骤1：输入新闻数据，包括数据的陈述、元数据以及信用历史； 步骤2：将步骤1中的新闻数据经过预训练模型BERT以及SKEP进行特征提取，将提取到的特征经过步骤3进行特征融合； 所述步骤2中预训练模型BERT采用随机屏蔽mask策略进行预测，其工作策略如下： 策略A：BERT中随机屏蔽15%的标记; 策略B：使用[MASK]标记来代替策略A中80%的标记; 策略C：使用随机标记替换策略A中10%的标记; 策略D：剩余10%的标记不进行任何改变； 步骤3：输入特征，分别进行词向量化和拼接信用历史，词向量化将文本数据转换为词向量，拼接信用历史将特征进行发言人历史进行各类标签统计； 步骤4：将步骤3中通过预训练模型获取的词向量分别通过孪生卷积神经网络提取特征，通过特征相减获得相似度向量，将三维相似度向量输入到步骤5； 所述步骤4中孪生卷积神经网络的模型结构为：由网络结构相同的BERT-CNN模型和SKEP-CNN模型俩分支组成，所述相同分支自其词向量输入到相似度向量输出方向，依次包括第一一维卷积层、第一池化层、第二一维卷积层、第二池化层； 步骤5：将相似度向量变换为一维向量，通过多层感知机进行分类预测，得到最终虚假新闻检测结果。

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江苏海洋大学，其通讯地址为：222005 江苏省连云港市高新区苍梧路59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。