[發(fā)明專利]社交網(wǎng)絡(luò)信息識(shí)別方法、處理方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610956467.2
• 申請(qǐng)日: 2016-10-27
• 公開(kāi)（公告）號(hào): CN107992501B
• 公開(kāi)（公告）日: 2021-12-14
• 發(fā)明（設(shè)計(jì)）人: 劉杰
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/9536;G06F40/289;G06Q50/00
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郝傳鑫;賈允

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種社交網(wǎng)絡(luò)信息識(shí)別方法、處理方法及裝置。本發(fā)明通過(guò)對(duì)目標(biāo)文本進(jìn)行分詞，將相鄰兩個(gè)分詞作為一個(gè)詞組，計(jì)算每個(gè)詞組中兩個(gè)分詞的關(guān)聯(lián)值，將其與虛假信息庫(kù)和真實(shí)信息庫(kù)中對(duì)應(yīng)的兩個(gè)詞的關(guān)聯(lián)值進(jìn)行比對(duì)，根據(jù)關(guān)聯(lián)值接近程度來(lái)確定目標(biāo)文本中每個(gè)詞組的信息類型，進(jìn)而通過(guò)統(tǒng)計(jì)目標(biāo)文本中所有詞組的信息類型來(lái)確定目標(biāo)文本的信息類型，實(shí)現(xiàn)了通過(guò)較為簡(jiǎn)單的算法快速識(shí)別網(wǎng)絡(luò)虛假信息，可以為網(wǎng)絡(luò)管理者快速反應(yīng)提供重要的依據(jù)，便于網(wǎng)絡(luò)管理者及時(shí)處理網(wǎng)絡(luò)虛假信息，降低虛假信息傳播造成的不良影響。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種社交網(wǎng)絡(luò)信息識(shí)別方法、處理方法及裝置。

背景技術(shù)

社交網(wǎng)絡(luò)的流行和普及，使得社交網(wǎng)絡(luò)中的信息數(shù)量呈現(xiàn)爆炸式地增長(zhǎng)，然而信息質(zhì)量卻沒(méi)有得到相應(yīng)的提升，各種垃圾信息尤其是謠言等虛假信息充斥著整個(gè)社交網(wǎng)絡(luò)，謠言的傳播與擴(kuò)散給人們的生活和社會(huì)的發(fā)展帶來(lái)了極大的危害和負(fù)面影響。

謠言是指沒(méi)有相應(yīng)事實(shí)基礎(chǔ)，卻被捏造出來(lái)并通過(guò)一定手段推動(dòng)傳播的言論，在受眾未被明確或暗示虛構(gòu)的前提下，被捏造及傳播的與事實(shí)不同甚至相反的言論即是謠言。由于普通用戶的知識(shí)和信息量有限，無(wú)法識(shí)別出所有謠言，從而使謠言在社交網(wǎng)絡(luò)中廣泛傳播。如果能夠及時(shí)準(zhǔn)確地識(shí)別出社交網(wǎng)絡(luò)當(dāng)中的謠言消息，不僅有助于營(yíng)造良好的互聯(lián)網(wǎng)環(huán)境，幫助人們更好地識(shí)別信息的真?zhèn)危皶r(shí)杜絕惡意謠言帶來(lái)的嚴(yán)重危害，還能在輿情監(jiān)測(cè)、信息引導(dǎo)等方面發(fā)揮積極的作用。

目前已有的謠言識(shí)別方法主要可以分為兩類，一類是基于人工的方法，其機(jī)制主要是通過(guò)對(duì)已發(fā)布的消息進(jìn)行人工檢舉和判定，這類方法無(wú)法在謠言產(chǎn)生的初期遏制其傳播與擴(kuò)散，及時(shí)性差，并且需要大量的勞力和財(cái)力，成本性高；另一類方法是基于機(jī)器學(xué)習(xí)的方法，以微博為例，將微博內(nèi)容是否為謠言作為分類問(wèn)題來(lái)處理，并利用微博的各類特征，采用某種分類學(xué)習(xí)算法來(lái)進(jìn)行謠言的識(shí)別，在分類特征的選擇上，目前主要可以分成3種，分別是微博的內(nèi)容、發(fā)布者以及微博的傳播，在內(nèi)容特征的選擇上，主要是利用內(nèi)容的淺層文本特征(如內(nèi)容中是否包含鏈接、圖片、是否提及他人等)；在發(fā)布者的方面，主要是選擇一些靜態(tài)特征，包括發(fā)布者的粉絲數(shù)、朋友數(shù)等基本屬性；這種機(jī)器學(xué)習(xí)方法雖然可以實(shí)現(xiàn)一定的謠言識(shí)別效果，但其內(nèi)容特征選擇較多，實(shí)施復(fù)雜。

發(fā)明內(nèi)容

發(fā)明人通過(guò)分析大量虛假信息和對(duì)應(yīng)的真實(shí)信息，發(fā)現(xiàn)在表達(dá)意思相似的兩個(gè)文本中，各文本中關(guān)鍵詞的相關(guān)性是相似的，而在表達(dá)意思不同的兩個(gè)文本中，各文本中關(guān)鍵詞的相關(guān)性差距甚大。以三段文本A、B和C為例，

文本A：羊肉能與綠豆同食；

文本B：羊肉可以和綠豆一起食用；

文本C：涼性的羊肉不能與綠豆同食；

通過(guò)提取各文本關(guān)鍵詞，得到文本A中的關(guān)鍵詞：羊肉、能、綠豆、同食，文本B中的關(guān)鍵詞：羊肉、可以、綠豆、食用，文本C中的關(guān)鍵詞：羊肉、不能、綠豆、同食；文本中各關(guān)鍵詞是前后關(guān)聯(lián)的，如果兩個(gè)文本中關(guān)鍵詞的關(guān)聯(lián)性不同且不相似，而其中一個(gè)是正確的，那么另一個(gè)就是錯(cuò)誤的，如兩個(gè)文本中關(guān)鍵詞的關(guān)聯(lián)性相同或近似，則兩個(gè)文本都是正確的或錯(cuò)誤的。

基于上述原理，可以通過(guò)收集虛假信息和對(duì)應(yīng)的真實(shí)信息，建立虛假信息庫(kù)和真實(shí)信息庫(kù)，需要識(shí)別社交網(wǎng)絡(luò)中的信息是否為虛假信息時(shí)，通過(guò)分析該信息中關(guān)鍵詞的相關(guān)性，來(lái)分別與真實(shí)信息庫(kù)和虛假信息庫(kù)中對(duì)應(yīng)的關(guān)鍵詞的相關(guān)性進(jìn)行比對(duì)，與哪一類(虛假信息或真實(shí)信息)的相關(guān)度越接近則屬于那一類的可能性越大。

第一方面，本發(fā)明提供一種社交網(wǎng)絡(luò)信息識(shí)別方法，包括：

對(duì)目標(biāo)文本進(jìn)行分詞處理，得到目標(biāo)文本的分詞；

按照各分詞在目標(biāo)文本中的出現(xiàn)順序，將相鄰兩個(gè)分詞作為一個(gè)詞組，根據(jù)虛假信息庫(kù)和真實(shí)信息庫(kù)中的信息，確定每個(gè)詞組的信息類型，所述信息類型包括虛假信息、真實(shí)信息和無(wú)偏向信息；