-
公开(公告)号：CN118228114A
公开(公告)日：2024-06-21
申请号：CN202410402055.9
申请日：2024-04-03
Applicant: 中国人民武装警察部队工程大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06F40/279 , G06V10/40 , G06V20/70 , G06F40/30 , G06N3/0895 , G06N3/0499
Abstract: 本发明公开了基于CLIP对比学习和语义对齐的假新闻检测方法，包括：提取带有真假标签新闻的N‑HIN特征以及不同层次的文本特征、视觉特征；构建假新闻检测模型，将所述带有真假标签新闻的N‑HIN特征以及不同层次的文本、视觉特征输入所述假新闻检测模型，获得优化后的假新闻检测模型；将待检测新闻输入所述优化后的假新闻检测模型，对所述待检测新闻进行分类，获得分类后的真新闻和假新闻。本发明有效整合不同模态特征来提高假新闻检测的性能。
-
公开(公告)号：CN114840665A
公开(公告)日：2022-08-02
申请号：CN202210419377.5
申请日：2022-04-20
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了一种基于情感分析的谣言检测方法、装置及相关介质，该方法包括：获取待检测谣言的评论文本，通过情感字典在所述评论文本中提取所述评论文本的情感特征；利用Bi‑GRU网络对所述情感特征分别进行前向学习和后向学习，得到所述评论文本的评论情感特征表示；获取一谣言文本，并利用Bi‑GRU网络对所述谣言文本分别进行前向学习和后向学习，得到所述谣言文本的谣言特征表示；通过协同注意力机制对所述评论情感特征表示和谣言特征表示进行相关性学习，并根据相关性学习结果对所述评论文本进行谣言检测。本发明通过对评论情感特征表示和谣言特征表示进行相关性学习，从而以情感角度对于产生合理的解释，以此提高谣言检测精度。
-
公开(公告)号：CN118210922A
公开(公告)日：2024-06-18
申请号：CN202410402090.0
申请日：2024-04-03
Applicant: 中国人民武装警察部队工程大学
IPC: G06F16/35 , G06F16/901 , G06F40/30 , G06N3/042 , G06N3/0464 , G06Q50/00
Abstract: 本发明公开了一种基于图卷积网络和注意力机制的假新闻检测方法，包括：获取新闻信息，构建待检测的新闻‑评论‑用户异质图；将所述待检测的新闻‑评论‑用户异质图输入至新闻检测模型，完成假新闻检测，其中，所述新闻检测模型由图卷积网络和注意力机制共同构成；所述图卷积网络用于获取所述异质图中的节点表示，所述注意力机制用于学习所述节点特征权重。利用异质图注意力网络分别捕捉新闻内容与新闻评论的语义关系和新闻传播关系；并引入注意力机制将两者融合从而获取更全面、更准确的新闻表示。
-
公开(公告)号：CN117633216A
公开(公告)日：2024-03-01
申请号：CN202311338279.X
申请日：2023-10-16
Applicant: 中国人民武装警察部队工程大学
IPC: G06F16/35 , G06F40/284 , G06N3/0499 , G06N3/048
Abstract: 本发明涉及虚假新闻检测领域，其公开了一种基于Bagging的多领域假新闻检测方法、装置、设备及介质。其中方法包括：获取待检测新闻文本，通过所述特征提取模块对所述待检测新闻文本进行特征提取以得到新闻文本向量，其中，所述新闻文本向量包括新闻词向量和新闻句子向量；获取新闻领域特征，并将所述新闻领域特征和所述新闻句子向量输入所述领域编码模块进行编码得到专家权重向量；将所述专家权重向量和所述新闻词向量输入所述专家网络模块进行分类得到新闻特征向量；将所述新闻特征向量输入所述Bagging集成模块中进行运算得到新闻文本检测结果。本发明实施例可以有效提高模型的泛化能力和虚假新闻的检测准确率。
-
公开(公告)号：CN117408260A
公开(公告)日：2024-01-16
申请号：CN202311396051.6
申请日：2023-10-25
Applicant: 中国人民武装警察部队工程大学
IPC: G06F40/30 , G06F40/205 , G06F40/126 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及虚假新闻检测领域，其公开了一种基于协同注意力的假新闻检测方法、装置、设备及介质。其中方法包括：获取待检测新闻文本，将所述待检测新闻文本输入融合模型的编码层中进行编码得到新闻编码向量，其中，所述融合模型包括融合协同注意力层、预测层以及所述编码层；将所述新闻编码向量输入所述融合协同注意力层中进行提取优化得到新闻学习特征，其中，所述融合协同注意力层包括句子级协同注意力层、词级协同注意力层以及句子评论协同注意力层；将所述新闻学习特征输入所述预测层进行检测得到新闻文本检测结果。本发明实施例可以有效提高对假新闻的检测准确率及检测效果。
-
Patent Agency Ranking
公开(公告)号：CN117201007A
公开(公告)日：2023-12-08
申请号：CN202311165978.9
申请日：2023-09-11
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明公开了一种基于秘密共享构造冗余的多层级密文域可逆信息隐藏方法。本发明在对原始明文数据进行共享加密过程中，通过多项式系数构造冗余进行控制，在进行具有可容灾性的门限分享同时，实现第一层秘密信息的可逆嵌入，在此基础上，对于共享加密后获取的第一层影子密文，进一步实施密文共享加密，实现第二层秘密信息的可逆嵌入，再结合用户属性密钥分配机制，从而保证不同层级嵌入的秘密信息的访问范围可控，从而在云空间实现密文访问的层级管理；本发明具有秘密共享的门限特性，在满足门限重构条件的基础上，即可实现原始明文数据的无损恢复以及不同层级秘密信息的准确提取，可以容忍部分影子密文数据的丢失，具有强大的容灾性能。
-
公开(公告)号：CN114841147A
公开(公告)日：2022-08-02
申请号：CN202210419381.1
申请日：2022-04-20
Applicant: 中国人民武装警察部队工程大学
IPC: G06F40/279 , G06F40/30 , G06F16/35 , G06N3/04
Abstract: 本发明提供了一种基于多指针协同注意力的谣言检测方法及装置，方法包括，将新闻内容和用户评论的每个单词进行建模，从而得到新闻内容的句子向量及用户评论的句子向量，并根据两者的相关性筛选出多个相关性最高的用户评论的句子向量，使用词级注意力机制进行建模提取出更细粒度的词级特征，运行多指针组合机制协同注意的模型，得到新闻内容和用户评论的输出向量，最后将新闻内容和用户评论的输出向量输入多层感知器及用于预测新闻真实性的softMax层，得到新闻真实性预测结果。本发明的有益效果在于：能够直接筛选出具体的关于新闻内容真实性的可解释的信息。
-
公开(公告)号：CN114841147B
公开(公告)日：2024-04-19
申请号：CN202210419381.1
申请日：2022-04-20
Applicant: 中国人民武装警察部队工程大学
IPC: G06F40/279 , G06F40/30 , G06F16/35 , G06N3/0442
Abstract: 本发明提供了一种基于多指针协同注意力的谣言检测方法及装置，方法包括，将新闻内容和用户评论的每个单词进行建模，从而得到新闻内容的句子向量及用户评论的句子向量，并根据两者的相关性筛选出多个相关性最高的用户评论的句子向量，使用词级注意力机制进行建模提取出更细粒度的词级特征，运行多指针组合机制协同注意的模型，得到新闻内容和用户评论的输出向量，最后将新闻内容和用户评论的输出向量输入多层感知器及用于预测新闻真实性的softMax层，得到新闻真实性预测结果。本发明的有益效果在于：能够直接筛选出具体的关于新闻内容真实性的可解释的信息。
-
公开(公告)号：CN114817541A
公开(公告)日：2022-07-29
申请号：CN202210454682.8
申请日：2022-04-24
Applicant: 中国人民武装警察部队工程大学
Abstract: 本发明涉及基于双重情感感知的谣言检测方法及装置，该方法，包括：获取谣言文本和用户评论，并对谣言文本和用户评论进行向量嵌入表示；根据向量嵌入表示，提取谣言文本语义特征及提取谣言文本情感特征和用户评论情感特征；将谣言文本语义特征与用户评论情感特征结合，以获得语义融合特征，将谣言文本情感特征与用户评论情感特征结合，以获得情感融合特征；将语义融合特征和情感融合特征进行分类，以获得检测结果。本发明通过分别提取谣言文本语义特征，谣言文本情感特征和用户评论情感特征进行谣言检测，具有较高的检测结果，可用于社交媒体上，尤其是当前社交媒体上认知战正愈演愈烈，可利用该方案进行仇恨语言检测，意识形态检测等任务。
-
公开(公告)号：CN119884879A
公开(公告)日：2025-04-25
申请号：CN202411980445.0
申请日：2024-12-31
Applicant: 中国人民武装警察部队工程大学
IPC: G06F18/241 , G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0895 , G06F18/2415
Abstract: 本发明涉及一种基于多模态融合和对比学习的假新闻检测方法，包括：获取新闻，将新闻分别编码为粗粒度文本特征和粗粒度视觉特征，并提取新闻的细粒度文本特征；对粗粒度文本特征与细粒度文本特征进行有序拼接，获取多粒度文本特征，将多粒度文本特征和粗粒度视觉特征映射到同一特征空间，并进行跨模态对齐，获取多粒度的多模态特征；将多粒度的多模态特征输入多头自注意力机制模型，获取最终特征，将最终特征输入分类器，获取预测标签；自注意力机制模型和分类器均利用训练集训练获得。本发明通过多模态融合和对比学习(FND‑MC)可以有效地检测假新闻，显著优于当前最先进的方法。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.124 seconds)
