[發明專利]社交網絡信息識別方法、處理方法及裝置

有效

• 申請號: 201610956467.2
• 申請日: 2016-10-27
• 公開（公告）號: CN107992501B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 劉杰
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/9536;G06F40/289;G06Q50/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種社交網絡信息識別方法，其特征在于，包括：

對目標文本進行分詞處理，得到目標文本的分詞；

按照各分詞在目標文本中的出現順序，將相鄰兩個分詞作為一個詞組，根據虛假信息庫和真實信息庫中的信息，確定每個詞組的信息類型，所述信息類型包括虛假信息、真實信息和無偏向信息；

對目標文本中所有詞組的信息類型進行統計，得到統計結果，包括：獲取目標文本中所有詞組的信息類型；統計各個信息類型的出現頻次，得到統計結果；

根據統計結果確定所述目標文本的信息類型；

所述根據虛假信息庫和真實信息庫中的信息，確定每個詞組的信息類型，包括：

計算每個詞組中兩個分詞的關聯值；

提取虛假信息庫中對應的所述兩個分詞的關聯值，作為第一關聯值；提取真實信息庫中對應的所述兩個分詞的關聯值，作為第二關聯值；

根據所述關聯值分別與第一關聯值和第二關聯值的接近程度，確定所述詞組的信息類型。

2.根據權利要求1所述的方法，其特征在于，所述對目標文本進行分詞處理，得到目標文本的分詞，包括：

獲取目標文本；

對所述目標文本進行預處理，去除目標文本中的停用詞；

采用字典分詞法對所述目標文本進行分詞處理，得到目標文本的分詞。

3.根據權利要求1所述的方法，其特征在于，所述根據所述關聯值分別與第一關聯值和第二關聯值的接近程度，確定所述詞組的信息類型，包括：

計算所述關聯值與第一關聯值的差值，得到第一差值；計算所述關聯值與第二關聯值的差值，得到第二差值；

比較所述第一差值的絕對值和第二差值的絕對值的大小，若第一差值的絕對值大于第二差值的絕對值，則確定該詞組的信息類型為真實信息，若第一差值的絕對值小于第二差值的絕對值，則確定該詞組的信息類型為虛假信息，若第一差值的絕對值與第二差值的絕對值相等，則確定該詞組的信息類型為無偏向信息。

4.據權利要求1所述的方法，其特征在于，所述計算每個詞組中兩個分詞的關聯值，包括：

根據公式X(W12)＝C(W2)*C(W12)/C(W1)計算得到詞組中兩個分詞的關聯值；

其中，X(W12)表示所述詞組中兩個分詞的關聯值，C(W1)表示所述詞組中的第一個分詞在目標文本中出現的頻次，C(W2)表示所述詞組中的第二個分詞在目標文本中出現的頻次，C(W12)表示第一個分詞和第二個分詞在目標文本中有順序的同時連續出現的頻次，所述第一個分詞在目標文本中的出現順序早于第二個分詞。

5.根據權利要求1所述的方法，其特征在于，所述對目標文本中所有詞組的信息類型進行統計，得到統計結果，包括：

獲取目標文本中所有詞組的信息類型；

統計各個信息類型的出現頻次，得到統計結果。

6.根據權利要求5所述的方法，其特征在于，所述根據統計結果確定所述目標文本的信息類型，包括：

比較虛假信息和真實信息的出現頻次，將出現頻次較高的信息類型確定為所述目標文本的信息類型，如果虛假信息的出現頻次和真實信息的出現頻次相同，則確定所述目標文本的信息類型為無偏向信息。

7.根據權利要求1所述的方法，其特征在于，所述對目標文本進行分詞處理，得到目標文本的分詞之前，還包括：

對虛假信息庫中的虛假信息樣本進行分詞處理，得到虛假信息樣本的分詞，按照各分詞在該虛假信息樣本中的出現順序，計算得到相鄰兩個分詞的關聯值；

對真實信息庫中的真實信息樣本進行分詞處理，得到真實信息樣本的分詞，按照各分詞在該真實信息樣本中的出現順序，計算得到相鄰兩個分詞的關聯值。