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！

龙图腾网获悉南京信息工程大学申请的专利基于异构传播结构与动态特征融合的谣言检测方法和系统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：CN121456774B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610007380.4，技术领域涉及：G06F18/2433；该发明授权基于异构传播结构与动态特征融合的谣言检测方法和系统是由马廷淮;陶杰设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本基于异构传播结构与动态特征融合的谣言检测方法和系统在说明书摘要公布了：本发明公开了一种基于异构传播结构与动态特征融合的谣言检测方法和系统，属于计算机技术、人工智能及社交网络分析领域。方法步骤如下：提取用户和帖子静态特征，计算用户和帖子动态特征，融合静动态特征获得动态融合特征。通过动态融合特征构建异构图序列，利用异构图卷积网络进行卷积更新，输出异构图特征矩阵。然后利用图注意力网络处理有向传播树，获得传播级联全局表征。将异构图特征和传播级联特征进行跨时步交互，生成异构图表示和传播级联表示；最后进行拼接获得最终表示，输入谣言分类模型，获得预测结果。本发明在多种复杂社交场景下的卓越表现，验证了其作为一种高效、精准且具备优秀早期预警能力的谣言检测方法的可行性和有效性。

本发明授权基于异构传播结构与动态特征融合的谣言检测方法和系统在权利要求书中公布了：1.基于异构传播结构与动态特征融合的谣言检测方法，其特征在于，包括以下步骤： S1、构建预处理与综合特征提取模块：对社交网络数据进行预处理，针对预处理后的数据分别提取用户和帖子静态特征，并基于个时间窗口分别计算用户和帖子动态特征，融合静态和动态特征获得动态融合特征； S2、构建异构交互图学习模块：通过动态融合特征构建异构图序列，利用异构图卷积网络对异构图序列进行卷积更新，输出异构图特征矩阵Hk；具体包括以下子步骤： S2.1、通过动态融合特征构建异构图序列，其中代表第i个时间窗口的异构图快照，包括两类节点：用户节点和帖子节点；以及边关系：用户--用户、帖子--帖子和用户--帖子； S2.2、采用异构图卷积网络进行异构关系感知，设引入关系感知传播算子，对不同类型的边关系分配可学习的注意力权重，通过公式：计算传播算子，聚合不同关系的邻居信息，输出异构图特征矩阵序列{H1,H2,…,Hk.}，、、分别表示归一化异构边矩阵对应的注意力权重参数； S3、构建传播级联模块：首先构建有向传播树，利用图注意力网络GAT处理有向传播树，获得传播级联全局表征Pk；具体为：以源帖子为根节点，以转发评论关系为边，构建有向传播树序列，利用图注意力网络GAT处理传播树，通过计算节点间的注意力系数，自动关注对谣言判别贡献大的关键传播路径，经过多层图注意力网络GAT聚合与池化操作，得到各个时间窗口的传播级联全局表征； S4、构建时空动态融合模块：基于步骤S2的异构图特征Hk和传播级联特征Pk进行深度融合，将不同时间窗口的异构图特征Hk和传播级联特征Pk进行融合，生成异构图表示和传播级联表示；具体包括以下子步骤： S4.1、设置历史积累特征表示来作为前i个时间窗口的融合特征表示，当进行异构图特征融合时，令，在传播级联特征融合时，令，通过下式计算交叉注意力得分： ； 其中，，分别代表查询矩阵、键矩阵和值矩阵，是键向量的维度，用于缩放点积，是归一化函数；Qα是第k个时间窗口的异构图特征表示或传播级联表征与Wq相乘得到的查询矩阵Q，和是第k-1个时间窗口的历史积累特征表示分别与Wk和Wv相乘得到的键矩阵K和值矩阵V，Wq、Wk、Wv表示线性映射权重矩阵； S4.2、将时间窗口k的特征向量或作为Q，将第k-1个时间窗口得到的历史积累特征向量作为K和V，识别贯穿时间窗口的关键交互模式，得到最终异构图表示和传播级联表示； S5、构建基于多层感知机的谣言分类模型：将异构图表示和传播级联表示进行拼接获得最终表示，输入多层感知机的谣言分类模型，结合交叉熵损失函数，获得谣言或非谣言的预测结果。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。