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！

龙图腾网获悉湘江实验室申请的专利一种基于联邦学习的虚假评论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：CN121146125B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511691669.4，技术领域涉及：G06N20/00；该发明授权一种基于联邦学习的虚假评论检测方法是由张震;王知琪;田志平;高卓航;马良杰;张明茜设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本一种基于联邦学习的虚假评论检测方法在说明书摘要公布了：本申请适用于信息挖掘技术领域，提供了一种基于联邦学习的虚假评论检测方法，包括：通过联邦学习系统得到虚假评论检测模型；利用虚假评论检测模型对待检测的文本评论数据进行虚假检测；联邦学习系统的第轮联邦学习过程为：分别针对参与联邦学习的每个客户端，获取客户端的重要性向量；基于参与联邦学习的所有客户端的重要性向量，将模型参数划分为关键层参数和非关键层参数；基于参与联邦学习的所有客户端的关键层参数，从参与联邦学习的所有客户端中确定出进行全局聚合的个客户端；对个客户端的关键层参数和非关键层参数进行全局聚合，得到第轮联邦学习的模型参数。本申请能提升跨平台虚假评论检测的准确性。

本发明授权一种基于联邦学习的虚假评论检测方法在权利要求书中公布了：1.一种基于联邦学习的虚假评论检测方法，其特征在于，包括： 通过联邦学习系统得到虚假评论检测模型；所述虚假评论检测模型的模型参数是所述联邦学习系统的第轮联邦学习得到的模型参数；表示所述联邦学习系统的联邦学习总轮次； 利用所述虚假评论检测模型对待检测的文本评论数据进行虚假检测，得到虚假评论检测结果； 其中，所述联邦学习系统的第轮联邦学习过程为： 分别针对参与联邦学习的每个客户端，获取所述客户端的重要性向量；所述重要性向量用于描述所述客户端的模型参数对训练损失的梯度变化敏感性； 基于参与联邦学习的所有客户端的重要性向量，将所述模型参数划分为关键层参数和非关键层参数； 基于参与所述联邦学习的所有客户端的关键层参数，从参与联邦学习的所有客户端中确定出进行全局聚合的个客户端； 分别对所述个客户端的关键层参数和非关键层参数进行全局聚合，得到第轮联邦学习的模型参数； 模型参数包括层参数，客户端的重要性向量为：，，表示客户端的第层参数的重要性得分，，表示参与联邦学习的客户端数量，，表示所述模型参数中参数的总层数，表示客户端的第层参数在客户端的梯度变化敏感性，，表示期望运算符，表示输入数据，表示的标签，表示客户端中用于训练的条文本评论数据样本，表示梯度运算符，表示客户端的第层参数，表示客户端的损失函数值，表示模型参数； 所述基于参与联邦学习的所有客户端的重要性向量，将所述模型参数划分为关键层参数和非关键层参数，包括： 通过公式计算所述模型参数的第层参数的全局重要性；表示客户端的样本权重，，表示客户端中用于训练的文本评论数据样本的条数； 按照从大至小的顺序，对计算得到的所有全局重要性进行排序，并将排序后的前个全局重要性对应的层参数作为关键层参数，将层参数中除所述关键层参数以外的其他层参数作为非关键层参数。

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湘江实验室，其通讯地址为：410000 湖南省长沙市长沙高新区尖山路217号北斗产业园1栋；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。