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！

龙图腾网恭喜戎行技术有限公司申请的专利一种基于大模型的新闻网络数据风险预测处理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：CN119313170B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411854177.8，技术领域涉及：G06Q10/0635；该发明授权一种基于大模型的新闻网络数据风险预测处理方法是由赵志庆;侯玉柱;刘志雨;张赛男;赵文莹;陈昊承设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种基于大模型的新闻网络数据风险预测处理方法在说明书摘要公布了：本发明涉及新闻网络数据的综合分析处理领域，尤其涉及一种基于大模型的新闻网络数据风险预测处理方法，包括：利用新闻网络数据进行可视化处理得到新闻网络数据的文本特征；利用所述新闻网络数据的文本特征基于大模型建立数据关联性分析筛选模型；根据所述数据关联性分析筛选模型得到新闻网络数据风险预测处理结果，对于大量无序新闻网络数据首先的重点文本内容提取，并据此建立了文本特征以及相关分类筛选模型，由此衍生出文本数据之外的新闻网络数据周边特征，并同样建立多级分析筛选模型提升处理效率，在模型建立过程中引入业内常用的大模型，保证模型建立的稳定可靠。

本发明授权一种基于大模型的新闻网络数据风险预测处理方法在权利要求书中公布了：1.一种基于大模型的新闻网络数据风险预测处理方法，其特征在于，包括：S1、利用新闻网络数据进行可视化处理得到新闻网络数据的文本特征；S1-1、获取新闻网络数据的文本数据进行文本降噪处理得到新闻网络数据的降噪文本数据；S1-2、利用所述新闻网络数据的降噪文本数据进行分词处理得到新闻网络数据的文本分词集合；S1-3、利用所述新闻网络数据的降噪文本数据进行词性标注处理得到新闻网络数据的文本词性标注；S1-4、利用所述新闻网络数据的降噪文本数据、文本分词集合与文本词性标注作为新闻网络数据的文本特征；其中，所述文本降噪处理为去除文本数据中无意义内容；S2、利用所述新闻网络数据的文本特征基于大模型建立数据关联性分析筛选模型；S2-1、利用所述新闻网络数据的文本特征基于大模型建立文本数据词向量分类模型；S2-1-1、利用所述新闻网络数据的文本特征对应降噪文本数据划分为第一数据集；S2-1-2、利用所述新闻网络数据的文本特征对应文本分词集合划分为第二数据集；S2-1-3、利用所述新闻网络数据的文本特征对应文本词性标注划分为第三数据集；S2-1-4、利用所述新闻网络数据的文本特征对应文本分词集合在降噪文本数据的相对位置划分为第四数据集；S2-1-5、利用所述第一数据集、第二数据集与第三数据集为输入，所述第四数据集为输出，基于大模型进行训练得到文本数据词向量分类模型；S2-2、根据所述新闻网络数据的文本特征获取新闻网络数据的关联特征数据；S2-2-1、根据所述新闻网络数据的文本特征分别获取对应本地端口IP地址与服务器端口IP地址；S2-2-2、根据所述新闻网络数据的文本特征获取对应新闻网络网站IP地址；S2-2-3、获取所述新闻网络数据对应新闻网络数据的分类标签；S2-2-4、利用所述本地端口IP地址、服务器端口IP地址、新闻网络网站IP地址与新闻网络数据的分类标签作为新闻网络数据的关联特征数据；S2-3、利用所述新闻网络数据的关联特征数据基于大模型建立关联特征分析模型；S2-3-1、利用所述新闻网络数据的关联特征数据对应本地端口IP地址作为第五数据集；S2-3-2、利用所述新闻网络数据的关联特征数据对应服务器端口IP地址作为第六数据集；S2-3-3、利用所述新闻网络数据的关联特征数据对应新闻网站IP地址作为第七数据集；S2-3-4、利用所述新闻网络数据的关联特征数据对应新闻网络数据的分类标签作为第八数据集；S2-3-5、利用所述第五数据集与第六数据集为输入，所述第五数据集与第六数据集的对应关系为输出，基于大模型进行训练得到端口IP地址关联模型；S2-3-6、利用所述第六数据集与第七数据集为输入，所述第六数据集与第七数据集的对应关系为输出，基于大模型进行训练得到端口网站关联模型；S2-3-7、利用所述第七数据集与第八数据集为输入，所述第七数据集与第八数据集的对应关系为输出，基于大模型进行训练得到新闻网站分类关联模型；S2-3-8、利用所述端口IP地址关联模型、端口网站关联模型与新闻网站分类关联模型作为关联特征分析模型；S2-4、利用所述文本数据词向量分类模型与关联特征分析模型作为数据关联性分析筛选模型；S3、根据所述数据关联性分析筛选模型得到新闻网络数据风险预测处理结果；S3-1、利用所述数据关联性分析筛选模型建立新闻网络数据的综合数据矩阵；S3-1-1、利用所述数据关联性分析筛选模型对应文本数据词向量分类模型获取文本数据词向量分类模型的模型输出结果作为基础新闻网络数据主要特征；S3-1-2、利用所述数据关联性分析筛选模型对应关联特征分析模型获取关联特征分析模型的模型输出结果作为基础新闻网络数据次要特征；S3-1-3、利用所述基础新闻网络数据主要特征与基础新闻网络数据次要特征建立新闻网络数据的综合数据矩阵；S3-1-3-1、根据所述基础新闻网络数据主要特征对应新闻网络数据的文本特征分别获取历史正常文本特征与历史异常文本特征；S3-1-3-2、获取所述历史正常文本特征的中心词作为历史正常文本基准词；S3-1-3-3、获取所述历史异常文本特征的中心词作为历史异常文本基准词；S3-1-3-4、利用所述历史正常文本特征对应文本分词集合根据历史正常文本基准词建立历史正常文本向量；S3-1-3-5、利用所述历史异常文本特征对应文本分词集合根据历史异常文本基准词建立历史异常文本向量；S3-1-3-6、根据所述历史正常文本特征分别获取对应历史正常基础新闻网络数据次要特征作为历史正常关联标签；S3-1-3-7、根据所述历史异常文本特征分别获取对应历史异常基础新闻网络数据次要特征作为历史异常关联标签；S3-1-3-8、利用所述历史正常文本向量、历史异常文本向量、历史正常关联标签与历史异常关联标签作为新闻网络数据的综合数据矩阵；S3-2、根据所述新闻网络数据的综合数据矩阵得到新闻网络数据风险预测处理结果；S3-2-1、判断所述新闻网络数据的文本特征是否存在新闻网络数据的综合数据矩阵对应历史正常文本基准词，若是，则文本基准词筛选状态为正常，并直接执行S3-2-3，否则，执行S3-2-2；S3-2-2、判断所述新闻网络数据的文本特征是否存在新闻网络数据的综合数据矩阵对应历史异常文本基准词，若是，则文本基准词筛选状态为异常，并执行S3-2-3，否则，删除当前历史正常文本基准词与历史异常文本基准词，并返回S3-1-3-2；S3-2-3、获取所述基础新闻网络数据主要特征与新闻网络数据的综合数据矩阵对应历史正常文本向量的相似度作为第一文本相似度；S3-2-4、获取所述基础新闻网络数据主要特征与新闻网络数据的综合数据矩阵对应历史异常文本向量的相似度作为第二文本相似度；S3-2-5、判断所述第一文本相似度是否大于第二文本相似度，若是，则文本相似度筛选状态为正常，否则，文本相似度筛选状态为异常；S3-2-6、判断所述基础新闻网络数据次要特征与新闻网络数据风险预测处理结果对应历史正常关联标签是否一致，若是，则关联特征数据筛选状态为正常，否则，执行S3-2-7；S3-2-7、判断所述基础新闻网络数据次要特征与新闻网络数据风险预测处理结果对应历史异常关联标签是否一致，若是，则关联特征数据筛选状态为异常，否则，删除当前历史正常关联标签与历史异常关联标签，并返回S3-1-3-6；S3-2-8、判断所述文本基准词筛选状态、文本相似度筛选状态与关联特征数据筛选状态是否均为一致，若是，则输出文本基准词筛选状态、文本相似度筛选状态与关联特征数据筛选状态作为新闻网络数据风险预测处理结果，否则，返回S1。

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戎行技术有限公司，其通讯地址为：300000 天津市河北区铁东路街道志成路130号(自创区河北分园科技招商展示服务中心407-1室)；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”。