[發明專利]基于動態表達學習的不實信息檢測方法和裝置

在審

• 申請號: 201710085225.5
• 申請日: 2017-02-16
• 公開（公告）號: CN106910013A
• 公開（公告）日: 2017-06-30
• 發明（設計）人: 譚鐵牛;王亮;吳書;劉強;余峰
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/00;H04L29/06
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 鐘文芳

1.一種基于動態表達學習的不實信息檢測方法，包括以下步驟：

獲取待檢測信息；

利用預先建立的檢測模型對所述待檢測信息進行檢測；

輸出檢測結果；

其中，檢測模型如下建立：

步驟S1，首先建模聯合表示用戶信息和該用戶行為信息的某一事件的動態行為表達式；用戶信息包含用戶的特征和用戶可信度，行為信息包含行為類型；

步驟S2，一個事件由不同信息組成，結合步驟S1中的所述動態行為表達式，最終得出事件可信度檢測表達式；

步驟S3，運用時間特征矩陣來取得在信息傳播過程中用戶動態行為特征連

步驟S4，生成用戶特征表達；

步驟S5，利用配對學習法估算檢測模型參數。

2.根據權利要求1所述的方法，其特征在于，所述信息為微博信息；所述用戶信息包括用戶的特征和用戶可信度，所述用戶的特征包括用戶性別、微博關注人數和被關注的人數；用戶可信度的數值越大，表示用戶越可信；行為信息包括原發微博或轉發微博。

3.根據權利要求1所述的方法，其特征在于，所述動態行為表達式如下表示：

$R_j^{e_i}=T_{t_j}^{e_i}{C}_{b_j}^{e_i}{B}_{b_j}^{e_i}{U}_{u_j}^{e_i},$

其中，代表第i個事件e_i中的第j條微博中的用戶的向量表示；R^d表示d維實數空間；是用戶行為的隱含矩陣表示；是評論的矩陣表達，是時間間隔的矩陣表達。

4.根據權利要求1所述的方法，其特征在于，事件可信度檢測表達式如下所示：

$y^{ei}=W^T{R}^{e_i}$

其中，表示事件e_i的可信度，W∈R^d是預測函數的線性權重，表示事件e_i的表達式。

5.根據權利要求1所述的方法，其特征在于，在步驟S3中，將連續時間段分割成不同的時間間隔，根據log₂來劃分時間間隔，并且只學習上邊界和下邊界相對應的時間間隔，而對于在一個時間間隔的某一個時刻，其時間特征矩陣(一種轉移矩陣)通過非線性插值法計算得出。