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！

龙图腾网恭喜北京交通大学申请的专利基于DS证据理论融合的社交网络异常用户检测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：CN114529762B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210118942.4，技术领域涉及：G06V10/764；该发明授权基于DS证据理论融合的社交网络异常用户检测方法是由李浥东;曹子卓;陈乃月;金一;王涛设计研发完成，并于2022-02-08向国家知识产权局提交的专利申请。

本基于DS证据理论融合的社交网络异常用户检测方法在说明书摘要公布了：本发明提供了一种基于DS证据理论融合的社交网络异常用户检测方法。该方法包括：构建并训练卷积神经网络分类模型和K近邻算法分类模型，得到两种分类模型对异常用户检测的准确率；分别使用两种分类模型对被检测用户的博文文本进行识别，得到两种分类模型对被检测用户的检测结果；通过D‑S融合规则基于两种分类模型对异常用户检测的准确率，对卷积神经网络分类模型和所述K近邻算法分类模型对被检测用户的检测结果进行融合，获取被检测用户的异常用户检测结果。本发明通过结合被检测内容在每种分类器上的识别结果和分类准确率，通过DS证据理论融合规则对分类器融合后对被测用户进行识别，均衡有效的实现了对微博异常用户的检测。

本发明授权基于DS证据理论融合的社交网络异常用户检测方法在权利要求书中公布了：1.一种基于DS证据理论融合的社交网络异常用户检测方法，其特征在于，包括：构建并训练卷积神经网络分类模型和K近邻算法分类模型，得到所述卷积神经网络分类模型和所述K近邻算法分类模型对异常用户检测的准确率；分别使用所述卷积神经网络分类模型和所述K近邻算法分类模型对被检测用户的博文文本进行识别，得到所述卷积神经网络分类模型和所述K近邻算法分类模型对所述被检测用户的检测结果；通过D-S融合规则基于所述卷积神经网络分类模型和所述K近邻算法分类模型对异常用户检测的准确率，对所述卷积神经网络分类模型和所述K近邻算法分类模型对所述被检测用户的检测结果进行融合，获取所述被检测用户的异常用户检测结果，具体包括：通过D-S融合规则基于所述卷积神经网络分类模型和所述K近邻算法分类模型对异常用户检测的准确率，对被检测用户在所述卷积神经网络分类模型和所述K近邻算法分类模型上的BPA函数进行融合，得到所述卷积神经网络分类模型和所述K近邻算法分类模型的检测结果的联合信度，根据联合信度利用信度规则获取所述被检测用户的异常用户检测结果；设Fii＝1,2分别表示所述卷积神经网络分类模型和所述K近邻算法分类模型，将被检测用户的博文文本特征向量输入到两种分类器模型中，得到的识别结果为RiRi＝0或Ri＝1，当Ri＝1表示识别结果为异常用户，Ri＝0表示识别结果不是异常用户，i类分类器模型对异常的检测准确率为Pi；通过全概率理论公式初步得到i类分类器模型的异常用户检测结果的支持度：mi＝Pi×Ri+1-Pi×1-Ri根据BPA函数在识别框架幂集上的两种分类器模型的信度之和等于1的特点： 将上式归一化，得到公式： 其中P，R分别为识别准确率和识别结果；根据上式得到所述卷积神经网络分类模型和所述K近邻算法分类模型的检测结果的联合信度，根据DS证据理论融合规则和信度规则得到被检测用户的异常用户识别结果；设最终检测的得到的用户为异常用户的联合信度为lAbn，则lAbn应满足以下信度规则；1lAbn为两种用户属性联合信度值的最大值；2lAbn的值必须大于阈值x；3目标函数lAbn的与另一类别用户的基本概率分配值的差值必须总大于阈值y；4如果上述条件都不能被满足，则输出用户检测结果为“无法识别用户”。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。