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！

龙图腾网获悉西安电子科技大学;西安云脉智能技术有限公司申请的专利一种基于注意力机制的多维度特征融合网络欺凌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：CN118965248B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202410791602.7，技术领域涉及：G06F18/25；该发明授权一种基于注意力机制的多维度特征融合网络欺凌检测方法是由姚青松;胡浩楠;徐东;虎雷;李军;马建峰设计研发完成，并于2024-06-19向国家知识产权局提交的专利申请。

本一种基于注意力机制的多维度特征融合网络欺凌检测方法在说明书摘要公布了：本发明提出一种基于注意力机制的多维度特征融合网络欺凌检测方法，该方法包括：在社交媒体中评论的语义层面，针对现有使用转换器类模型的检测方法为了降低资源消耗需要截断长会话导致影响检测准确率的问题，将会话分解为一个个单词避免长度限制，通过分层架构和注意力机制从词语和句子两个角度提取文本特征。结合网络欺凌行为的习惯性，将用户的历史发言作为一种用户行为习惯信息融入语义特征中。在评论时间层面，每个社交媒体会话构建一个时间图，用于建模用户交互过程中时间维度上的重复性特征。通过注意力机制对语义特征和时间特征进行融合，得到综合语义特征和时间特征的向量表示。经过归一化指数函数层进行最终的分类。

本发明授权一种基于注意力机制的多维度特征融合网络欺凌检测方法在权利要求书中公布了：1.一种基于注意力机制的多维度特征融合网络欺凌检测方法，其特征在于，包括步骤： 步骤S1.使用预训练的基于转换器的双向编码器表示模型BERT来提取基本语义特征信息，并输入到双向门控循环神经网络Bi-GRU中提取更完整的上下文信息，并加入用户历史评论所反映的语言行为对每条评论进行特征提取； 步骤S2.使用图神经网络对会话中用户的交互进行特征提取； 步骤S3.对这两个维度的特征进行融合，进行会话分类； 步骤S1中，使用预训练模型BERT来提取基本语义特征信息的方法为： 式中，c为输入；为单词，p为单词的数量； k个词组成的文档作为输入经过BERT模型得到相对应的词向量B＝{b1,b2,…,bp}； 步骤S1中，输入到Bi-GRU双向门控循环神经网络中提取更完整的上下文信息，并加入用户历史评论所反映的语言行为对每条评论进行特征提取包括： 将所述词向量输入Bi-GRU双向门控循环神经网络中，使用一组双向门控循环神经网络GRU从正向和反向两个方向对词向量进行词序列建模： 第i个单词向量特征通过双向GRU得到正向和反向隐藏状态向量然后按顺序拼接； 通过注意力机制学习每条评论，得到具有目标特征的评论： 注意力机制学习每条评论的方法为： ei＝witanhvT×ti+b 利用双向GRU按时间顺序对评论进行建模，第j条评论的双向GRU输出表示为：并读取第j条评论的向量： 会话中的评论j的中间层表示为： 通过注意力层确定具有所述目标特征的评论，以及确定评论的向量rj； 步骤加入用户历史评论所反映的语言行为对每条评论进行特征提取还包括： 通过对用户的历史评论进行建模的用于捕捉用户的语言行为和历史评论所反映的个性特征： 给定会话中n个用户的历史作为输入，其中每个历史评论包含q个单词，输出的上下文历史序列为{h1,h2,…,hn}； 对于会话s中的第j条评论，合并后的用户表示uj： uj＝βj⊙rj+1-βj⊙hj βj＝σWhrj+Wkhj+bc 其中，Wh、Wk、bc为可训练参数，σ为sigmoid型激活函数，βj为控制权值； 将用户的历史发言和会话之中的发言输入到注意力层，将用户的历史表示h和当前的语义表示聚合为统一的用户表示uj； 将用户以及用户的会话构成社交网络图谱： G＝V,E 其中节点集合为V＝{v1,v2,…,vm,}，m为节点数量，每一个节点代表一个用户；社交网络中的边的集合记为E＝{e1,e2,…,en,}，n为边的数量，每一条边表示用户评论的时间间隔，边的两端为评论发起用户和被评论用户； 定义Tv和Te为节点类型和边类型的表示集，同时定义两个映射关系函数fv：V→Tv和fe：V→Te；对于每一个节点vi∈V都有fvvi∈Tv，同样对边有ei∈E，都有feei∈Te； 为社交网络图谱配置权重A： 其中若Aij非零则代表有一条边从节点vi，指向vj； 社交网络图谱中各个节点的特征表示为： 计算用户的会话的时间间隔Aij； 还包括： 基于时间，计算用户的会话中第j条评论，将用户的会话中第j条评论的向量记为gj： 其中，Nj为第j条评论邻接节点的集合，Wc为图网络的变换矩阵，tk,j＝tj-tk是两个注释之间的时间间隔；πtk,j表示连接节点vj和vk的边的权值； 还包括： 将时间推移因素整合到构建的时间图中，表示为： Wttk,j＝Wttj-tk 式中，W为时间变换系数，tk,j为时间间隔； 步骤S2中，使用图神经网络对会话中用户的交互进行特征提取，表示为： Zu＝Xu·flatten Zg＝Xg·flatten 式中，语义向量矩阵u经过注意力机制得到Xu，g经过注意力机制得到Xg。

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安电子科技大学;西安云脉智能技术有限公司，其通讯地址为：710000 陕西省西安市西沣路兴隆段266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。