公开(公告)号：CN119441979A

公开(公告)日：2025-02-14

申请号：CN202411519067.6

申请日：2024-10-29

Applicant: 无锡学院

Inventor： 余晓栋 ,  李娜 ,  朱节中

IPC: G06F18/241 ,  G06F18/25 ,  G06F18/21 ,  G06N3/0499

Abstract: 本发明公开了一种基于度量学习的多模态谣言检测方法，属于自然语言处理技术领域。本方法首先对文本和图片分别采用预训练的BERT和VGG‑19模型进行特征提取，然后用句法分析和自适应注意力挖掘各模态的局部特征关系，接着在空间映射中将两个模态特征转变成同维度向量，使用度量学习中的对比学习和三元组学习依次确认模态间和模态内的特征关系，最后，将加入局部特征关系的各模态特征向量输入特征融合单元中进行特征融合，融合后的特征用于谣言检测器对信息的检测。本发明通过模态内的局部特征联系和模态间的特征交互作用，进一步提高了谣言检测的准确率。

公开(公告)号：CN119441482A

公开(公告)日：2025-02-14

申请号：CN202411523445.8

申请日：2024-10-29

Applicant: 无锡学院

Inventor： 余晓栋 ,  李娜 ,  朱节中

IPC: G06F16/35 ,  G06F16/36 ,  G06F40/30 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明提出了一种融合知识图谱与卷积神经网络的不实信息检测方法，属于深度学习和自然语言处理技术领域。该方法利用知识图谱补充背景缺失的命名实体，并对嵌入知识的文本信息进行深层局部语义表示，同时挖掘信息间的全局语义关系，最终将特征融合并利用长短时记忆网络提取消息传播的动态特征，形成融合知识图谱与卷积神经网络的不实信息检测模型，通过背景知识的补充和深层语义信息的表示以及消息间语义关系的挖掘可以很好地提高不实信息检测的准确率；同时本模型也适用于早期不实信息检测任务。