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！

龙图腾网获悉西南石油大学申请的专利一种基于无监督聚类和频域信息的多模态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：CN121233775B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511793547.6，技术领域涉及：G06F16/35；该发明授权一种基于无监督聚类和频域信息的多模态虚假新闻检测方法是由杨力;廖远设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本一种基于无监督聚类和频域信息的多模态虚假新闻检测方法在说明书摘要公布了：本申请提供一种基于无监督聚类和频域信息的多模态虚假新闻检测方法，涉及图像文本数据技术领域。该方法包括：基于多模态样本数据，分别提取文本特征、视觉特征和图像文本特征，根据文本特征全局语义相关性获取文本特征聚类标签，将带标签的文本特征输入无监督聚类学习网络，通过双向门控循环单元和多头注意力机制增强语义一致性，得到增强后的文本特征；基于视觉特征提取频域特征，与空间域特征融合得到视觉联合特征；对图像文本特征，同样经无监督聚类学习网络增强后，以其为桥梁，通过注意力融合模块分别与文本、视觉特征融合，得到多模态融合特征，并将其输入全连接层，完成虚假新闻分类。该方法有效提升了虚假新闻检测的准确性。

本发明授权一种基于无监督聚类和频域信息的多模态虚假新闻检测方法在权利要求书中公布了：1.一种基于无监督聚类和频域信息的多模态虚假新闻检测方法，其特征在于，所述方法包括： 获取虚假新闻数据集中的样本数据，用特征向量=[,]表示，其中matrixT表示文本特征矩阵，matrixV表示视觉特征矩阵；将所述特征向量输入至特征提取层，通过预训练模型和自注意力方法分别获取文本特征向量、视觉特征向量和图像文本特征向量； 基于K-mean聚类方法，根据所述文本特征向量中全局语义之间的相关性获取所属类别标签，得到具备类别标签的文本特征向量； 将所述具备类别标签的文本特征向量输入至第一无监督聚类学习网络，通过双向门控循环单元和多头注意力方法获取文本的上下文时序信息以及实现文本内容关键信息的增强，并通过扩大不同类别之间的距离以及增强类内聚合性的方式，实现无监督聚类学习网络的训练，得到增强后的文本特征向量； 将所述视觉特征矩阵输入至频域信息融合模块，通过二维小波变换的方式提取图像信息的频域特征，增强图像模态的信息利用率，再将预训练模型提取的视觉特征向量和频域特征输入到注意力融合模块中实现空间域和频域特征交互，得到富含语义相关性的空间域-频域联合特征； 基于所述视觉特征矩阵，通过K-mean聚类的方法进行聚类，得到具备类别标签的图像特征向量； 将所述具备类别标签的图像特征向量和空间域-频域联合特征输入至第二无监督聚类学习网络，通过双向门控循环单元和多头注意力方法获取图像的时序依赖和上下文联系，通过采用三元组学习来学习新闻图像的局部上下文特征，得到图像特征向量； 将所述图像文本特征向量输入至第一无监督聚类学习网络，得到信息增强后的图像文本特征，将、和输入至第一注意力融合模块中，以为中间桥梁分别与文本特征和视觉特征进行特征融合，得到文本-图像文本融合特征和视觉-图像文本融合特征，将和输入至第二注意力融合模块进行跨模态融合，获得多模态融合特征； 基于所述多模态融合特征，使用全连接层进行模态间交互特征和模态内部特征的整合，将整合后的特征向量输入至Softmax函数进行多模态融合特征虚假新闻分类。

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南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。