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！

龙图腾网获悉中国科学院计算技术研究所申请的专利基于历史新闻评论辅助的虚假新闻即时检测方法及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：CN117332043B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202311319366.0，技术领域涉及：G06F16/334；该发明授权基于历史新闻评论辅助的虚假新闻即时检测方法及装置是由曹娟;南琼;盛强;汪旦丁;唐胜设计研发完成，并于2023-10-12向国家知识产权局提交的专利申请。

本基于历史新闻评论辅助的虚假新闻即时检测方法及装置在说明书摘要公布了：本发明提出一种基于历史新闻评论辅助的虚假新闻即时检测方法和装置，采取教师‑学生结构训练，通过训练教师网络从历史新闻评论中获取知识，通过训练学生网络将评论中的知识迁移至学生网络参数中，实现不依赖评论的检测，同时利用历史新闻和评论训练教师网络，训练好的教师网络参数被冻结不再参与接下来的训练过程；仅利用历史新闻训练学生网络并利用步骤1中训练好的教师网络加以指导，最终使用训练好的学生网络检测新发布的虚假新闻。兼顾了虚假新闻检测的即时性与准确性。

本发明授权基于历史新闻评论辅助的虚假新闻即时检测方法及装置在权利要求书中公布了：1.一种基于历史新闻评论辅助的虚假新闻即时检测方法，其特征在于，包括： 步骤1、获取具有新闻内容及其对应评论的历史新闻作为训练样本，分别构建包括编码器和分类器的教师网络和学生网络； 步骤2、该教师网络的编码器分别为该训练样本的新闻内容和评论进行编码，并分别赋予内容教师关注度权重至各编码结果，得到教师内容语义特征和评论语义特征；通过情感提取器得到该训练样本中评论的情感特征；将该教师内容语义特征、该评论语义特征和该情感特征融合，得到教师融合特征，并送入该教师网络的分类器，得到教师预测结果，根据该教师预测结果和该训练样本的真伪类别标签，构建损失函数训练该教师网络； 步骤3、该学生网络的编码器仅为该训练样本的新闻内容进行编码，得到学生内容编码，赋予内容学生关注度权重至该学生内容编码，得到学生内容语义特征；通过社交情感预测器提取该学生内容编码的情感特征，得到虚拟社交情感特征；将该虚拟社交情感特征和该学生内容语义特征融合，得到学生融合特征，送入该学生网络的分类器，得到学生预测结果，根据该学生预测结果和该真伪类别标签，得到分类损失；根据训练完成后教师网络的教师关注度权重和该内容学生关注度权重，得到关注度损失；根据该情感特征和该虚拟社交情感特征，得到情感损失；根据该教师融合特征和该学生融合特征，得到融合损失；将该关注度损失、该情感损失和该融合损失加权融合后与该分类损失相加，得到最终损失，以训练该学生网络； 步骤4、将待虚假检测的新闻内容输入该学生网络，得到其是否属于真假新闻的分类结果。

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中国科学院计算技术研究所，其通讯地址为：100080 北京市海淀区中关村科学院南路6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”。

以上内容由龙图腾AI智能生成。