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！

龍圖騰網恭喜北京交通大學申請的專利基于DS證據理論融合的社交網絡異常用戶檢測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：CN114529762B 。

龍圖騰網通過國家知識產權局官網在2025-06-10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：202210118942.4，技術領域涉及：G06V10/764；該發明授權基于DS證據理論融合的社交網絡異常用戶檢測方法是由李浥東;曹子卓;陳乃月;金一;王濤設計研發完成，并于2022-02-08向國家知識產權局提交的專利申請。

本基于DS證據理論融合的社交網絡異常用戶檢測方法在說明書摘要公布了：本發明提供了一種基于DS證據理論融合的社交網絡異常用戶檢測方法。該方法包括：構建并訓練卷積神經網絡分類模型和K近鄰算法分類模型，得到兩種分類模型對異常用戶檢測的準確率；分別使用兩種分類模型對被檢測用戶的博文文本進行識別，得到兩種分類模型對被檢測用戶的檢測結果；通過D?S融合規則基于兩種分類模型對異常用戶檢測的準確率，對卷積神經網絡分類模型和所述K近鄰算法分類模型對被檢測用戶的檢測結果進行融合，獲取被檢測用戶的異常用戶檢測結果。本發明通過結合被檢測內容在每種分類器上的識別結果和分類準確率，通過DS證據理論融合規則對分類器融合后對被測用戶進行識別，均衡有效的實現了對微博異常用戶的檢測。

本發明授權基于DS證據理論融合的社交網絡異常用戶檢測方法在權利要求書中公布了：1.一種基于DS證據理論融合的社交網絡異常用戶檢測方法，其特征在于，包括：構建并訓練卷積神經網絡分類模型和K近鄰算法分類模型，得到所述卷積神經網絡分類模型和所述K近鄰算法分類模型對異常用戶檢測的準確率；分別使用所述卷積神經網絡分類模型和所述K近鄰算法分類模型對被檢測用戶的博文文本進行識別，得到所述卷積神經網絡分類模型和所述K近鄰算法分類模型對所述被檢測用戶的檢測結果；通過D-S融合規則基于所述卷積神經網絡分類模型和所述K近鄰算法分類模型對異常用戶檢測的準確率，對所述卷積神經網絡分類模型和所述K近鄰算法分類模型對所述被檢測用戶的檢測結果進行融合，獲取所述被檢測用戶的異常用戶檢測結果，具體包括：通過D-S融合規則基于所述卷積神經網絡分類模型和所述K近鄰算法分類模型對異常用戶檢測的準確率，對被檢測用戶在所述卷積神經網絡分類模型和所述K近鄰算法分類模型上的BPA函數進行融合，得到所述卷積神經網絡分類模型和所述K近鄰算法分類模型的檢測結果的聯合信度，根據聯合信度利用信度規則獲取所述被檢測用戶的異常用戶檢測結果；設Fii＝1,2分別表示所述卷積神經網絡分類模型和所述K近鄰算法分類模型，將被檢測用戶的博文文本特征向量輸入到兩種分類器模型中，得到的識別結果為RiRi＝0或Ri＝1，當Ri＝1表示識別結果為異常用戶，Ri＝0表示識別結果不是異常用戶，i類分類器模型對異常的檢測準確率為Pi；通過全概率理論公式初步得到i類分類器模型的異常用戶檢測結果的支持度：mi＝Pi×Ri+1-Pi×1-Ri根據BPA函數在識別框架冪集上的兩種分類器模型的信度之和等于1的特點： 將上式歸一化，得到公式： 其中P，R分別為識別準確率和識別結果；根據上式得到所述卷積神經網絡分類模型和所述K近鄰算法分類模型的檢測結果的聯合信度，根據DS證據理論融合規則和信度規則得到被檢測用戶的異常用戶識別結果；設最終檢測的得到的用戶為異常用戶的聯合信度為lAbn，則lAbn應滿足以下信度規則；1lAbn為兩種用戶屬性聯合信度值的最大值；2lAbn的值必須大于閾值x；3目標函數lAbn的與另一類別用戶的基本概率分配值的差值必須總大于閾值y；4如果上述條件都不能被滿足，則輸出用戶檢測結果為“無法識別用戶”。

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北京交通大學，其通訊地址為：100044 北京市海淀區西直門外上園村3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”。