買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉重慶郵電大學申請的專利一種基于多模態特征融合的新聞分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115588122B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211383002.4，技術領域涉及：G06V10/764；該發明授權一種基于多模態特征融合的新聞分類方法是由王進;向嚴;鄧龍行;彭云曦;劉彬;樸昌浩設計研發完成，并于2022-11-07向國家知識產權局提交的專利申請。

本一種基于多模態特征融合的新聞分類方法在說明書摘要公布了：本發明屬于文本分類領域，具體涉及一種基于多模態特征融合的新聞分類方法，包括：獲取原始新聞樣本數據；對原始新聞文本進行特征提取得到原始新聞文本向量，對每個原始新聞配圖進行特征提取得到每個原始新聞配圖的圖片序列向量；將原始新聞文本向量和所有原始新聞配圖的圖片序列向量輸入新聞分類模型進行訓練；獲取目標新聞樣本數據，得到目標新聞文本向量和多個目標新聞配圖的圖片序列向量，將目標新聞文本向量和多個目標新聞配圖的圖片序列向量輸入新聞分類模型得到目標新聞樣本數據的分類結果，本發明通過對新聞文本和新聞中的配圖進行特征提取從而對用戶上傳至社交平臺的新聞進行分類，使分類的結果具有更高的準確性和可信度。

本發明授權一種基于多模態特征融合的新聞分類方法在權利要求書中公布了：1.一種基于多模態特征融合的新聞分類方法，其特征在于，包括以下步驟： S1：獲取原始新聞樣本數據；所述原始新聞樣本數據包括：原始新聞文本和多個原始新聞配圖；對原始新聞樣本數據打上標簽信息；并將每個原始新聞配圖劃分為p個尺度相同的圖像塊得到每個原始新聞配圖的圖像集； S2：對原始新聞文本進行特征提取得到原始新聞文本向量，對每個原始新聞配圖的圖像集進行特征提取得到每個原始新聞配圖的圖片序列向量； S3：構建新聞分類模型，所述新聞分類模型包括：LSTM、注意力網絡、門控記憶網絡、跨注意力網絡、softmax函數； S4：將原始新聞文本向量和所有原始新聞配圖的圖片序列向量作為訓練樣本對新聞分類模型進行訓練； 所述將原始新聞文本向量和原始新聞圖片向量序列作為訓練樣本對新聞分類模型進行訓練包括： S41：將所有原始新聞配圖的圖片序列向量輸入LSTM計算得到當前時間步每個圖片序列向量的隱層狀態向量； S42：將當前時間步所有圖片序列向量的隱層狀態向量進行拼接得到當前時間步的第一組合向量； S43：將當前時間步的第一組合向量和上一時間步的第一組合向量進行特征拼接得到當前時間步的第二組合向量； S44：將當前時間步的第二組合向量輸入自注意力網絡通過注意力機制得到當前時間步第二組合向量的重要性分數矩陣； S45：將當前時間步的第二組合向量與當前時間步第二組合向量的重要性分數矩陣做哈達瑪積計算得到當前時間步的第三組合向量； S46：將當前時間步的第三組合向量輸入門控記憶網絡計算得到當前時間步的第四組合向量，在每一個時間步第一組合向量、第二組合向量、第三組合向量和第四組合向量都會進行更新；當LSTM收斂時即在最后一個時間步時，門控記憶網絡計算得到的第四組合向量為最終組合向量； S47：將最終組合向量和原始新聞文本向量輸入跨注意力網絡計算得到多模態融合向量； S48：將多模態融合向量輸入softmax函數計算得到原始新聞樣本數據的類別預測結果； S49：根據原始新聞樣本數據的類別預測結果和原始新聞樣本數據的標簽信息利用交叉熵損失函數通過反向傳播機制更新新聞分類模型的參數； S5：獲取目標新聞樣本數據，對目標新聞樣本數據進行特征提取得到目標新聞文本向量和多個目標新聞配圖的圖片序列向量，將目標新聞文本向量和多個目標新聞配圖的圖片序列向量輸入新聞分類模型得到目標新聞樣本數據的分類結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶郵電大學，其通訊地址為：400065 重慶市南岸區南山街道崇文路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。