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！

龙图腾网恭喜南京优慧信安科技有限公司申请的专利一种基于立场特征的早期谣言检测方法与装置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：CN114896519B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210588702.0，技术领域涉及：G06F16/9536；该发明授权一种基于立场特征的早期谣言检测方法与装置是由杨鹏;冷俊成;赵翰林;李文军设计研发完成，并于2022-05-27向国家知识产权局提交的专利申请。

本一种基于立场特征的早期谣言检测方法与装置在说明书摘要公布了：本发明公开了一种基于立场特征的早期谣言检测方法与装置，能够及时且精确地识别出谣言。本发明分成立场感知模块、谣言分类模块和强化决策模块。立场感知模块能够从评论中抽取立场特征。谣言分类模块被用来对谣言事件进行识别，将谣言传播过程划分成一系列子评论结构，然后强化决策模块根据谣言动态传播的特点，依次对子评论结构的编码选取合适的动作，即是否补充后续评论数据，从而达到及时检测的目的。谣言分类模块和强化决策模块都融入了立场特征，用来提升每个模块抽取特征的能力。本发明根据谣言动态传播的特点，能够在谣言传播的早期对其进行识别，从而及时地阻止谣言的传播。

本发明授权一种基于立场特征的早期谣言检测方法与装置在权利要求书中公布了：1.一种基于立场特征的早期谣言检测方法，其特征在于，所述方法包括如下步骤：步骤1，数据集构建及特征处理，收集并整理谣言数据集，并对数据进行特征工程分析且特征处理；步骤2，构建立场感知模块，在已有的立场数据集上进行立场检测任务，从而得到特征抽取模型，能够从评论中抽取立场特征；步骤3，构建谣言分类模块，将谣言传播过程划分成一系列以图结构为基础的子评论结构，根据谣言动态传播的特点，对子评论结构的编码进行谣言分类；步骤4，构建强化决策模块，通过整合立场特征为早期检测效果提供动作方案，即是否补充后续评论数据，从而及时地检测出谣言；步骤5，采集待检测的社交媒体帖子并进行预测；其中，所述步骤4具体包括如下子步骤：子步骤4-1，设置状态，强化决策模块融合立场特征与当前子评论结构抽取的特征表示作为该模块的状态计算公式为： 其中ht是子评论结构St编码后的特征表示，是立场特征，由立场感知模块抽取得到，Wstance是可学习的参数矩阵，bstate是偏移项；子步骤4-2，设置动作，记A＝{a1,a2,...}是动作集合，其中at∈{0,1}，在早期谣言检测中，设置两个动作，分别是继续补充后续评论数据continue和停止补充去检测stop，当at＝0时，强化决策模块会继续输入下一个子评论结构的编码，而当at＝1时，模块不会再输入下一时刻的编码，无论选择哪个动作，谣言分类模块都会对事件进行预测，计算公式为： 子步骤4-3，设置奖励，记R＝{r1,r2,...}表示强化决策模块的交互性奖励，其中每个状态的奖励值rt由奖励函数得到，利用谣言检测的结果来对强化决策模块给予相应的奖励或惩罚，因此奖励函数共包括三种情况，分别是“continue”、“stop_correct”和“stop_incorrect”，其中“continue”表示at＝0，即继续补充后续评论数据，此时模块需要进行分类预测，同时也要输入下一个时刻子评论结构的编码表示；“stop_correct”是指at＝1且预测的结果是正确的；“stop_incorrect”是指at＝1但预测的结果是错误的，对于“continue”情况，表明强化决策模块不能及时阻止谣言的传播，则会被给予轻微的惩罚-ε；对于“stop_correct”情况，强化决策模块将会赋予较大的奖励值来驱动方法向正确的方向发展；而对于“stop_incorrect”，则会给出较大的惩罚值，惩罚其判断错误，设计评论系数λt用来平衡奖励函数，计算公式为： 其中n是以图结构为基础的评论结构中文本总数，包括源帖子和评论，nt表示子评论结构St中文本的数量，结合评论系数，完整的奖励函数如下所示： 其中M和P都是正常量值；子步骤4-4，强化学习损失函数，采用Actor-Critic算法对早期谣言检测进行决策，Actor-Critic由两个神经网络组成，包括Actor网络和Critic网络，Actor网络和Critic网络生成动作和价值的计算步骤如下： 使用两层全连接网络和抽取状态的特征，从而得到动作的概率和状态下选取动作的价值其中σ是激活函数，使用sigmoid函数，Critic网络学习状态值函数通过时间差分误差TDt进行优化，TDt由当前时间状态的价值、下一时刻状态的价值以及选择动作后反馈的奖励值得到，计算公式为： 其中，ε是衰减因子，表示下一时刻状态价值的衰减权重，Critic网络使用TDt的平方值作为损失函数进行参数w的梯度更新，计算公式为：Losscritic＝TDt2Actor网络则是直接学习动作策略，利用TDt加权的交叉熵作为损失函数来优化参数，计算公式为：

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优慧信安科技有限公司，其通讯地址为：210012 江苏省南京市雨花台区西春路1号创智大厦南楼一楼-019；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”。