专利交易市场

本发明提出基于双动态图卷积网络时空特征学习的网络谣言检测方法，该方法包括：将事件根据时间转化为预设个数的传播结构；通过传播结构构成用户交互图和信息传播图；利用卷积网络分别对用户交互图和信息传播图进行学习，得图特征；将上一层的图特征与下一层的根节点特征向量进行拼接，得到增强后图特征；通过时序融合单元，得到时序融合单元的输出特征；基于时序融合单元的输出特征进一步的到事件的最终特征；最后通过多层感知机，得到分类结果。本发明不仅能够全面捕捉信息传播和用户交互的时空特征，还能有效融合内容特征、传播特征和用户特征，提升谣言检测的精度，尤其在早期检测阶段表现出显著优势。

本发明公开了基于数据增强和全局信息融合的多模态谣言检测方法，包括如下步骤：获取图文新闻数据中的文本嵌入矩阵和图像嵌入矩阵；获取文本嵌入和图像嵌入的频谱特征；对频谱特征进行压缩；对压缩后的频谱特征进行平均池化，并应用一维卷积获取文本和视觉谣言特征的表示；对文本和视觉谣言特征的表示进行逆离散傅里叶变换，得到文本和图像的空间域信息，对空间域信息进行加权求和，得到最终多模态表示，对最终多模态表示进行分类预测；本发明结合频谱压缩与EMA视觉增强策略，有效抑制跨模态频谱分布差异，在特征提取阶段，利用频域滤波器组进行频谱压缩，揭示了每个模态中的潜在特征模式，更有效地提升谣言检测的性能。