[發(fā)明專利]基于混合神經(jīng)網(wǎng)絡(luò)的社交網(wǎng)絡(luò)謠言識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810208801.5
• 申請(qǐng)日: 2018-03-14
• 公開(kāi)（公告）號(hào): CN108563686B
• 公開(kāi)（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 孔慶超;王慧;徐楠;陳觀淡;毛文吉;汪立東;付戈;劉春陽(yáng);王萌
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院自動(dòng)化研究所;國(guó)家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F40/289;G06N3/04;G06N3/08
• 代理公司: 北京瀚仁知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11482
• 代理人: 郭文浩;陳曉鵬

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體提供了一種基于混合神經(jīng)網(wǎng)絡(luò)的社交網(wǎng)絡(luò)謠言識(shí)別方法及系統(tǒng)，旨在解決如何在考慮謠言轉(zhuǎn)發(fā)評(píng)論信息的情況下，準(zhǔn)確識(shí)別社交網(wǎng)絡(luò)中謠言的技術(shù)問(wèn)題。為此目的，本發(fā)明中社交網(wǎng)絡(luò)謠言識(shí)別方法，首先利用三種不同的神經(jīng)網(wǎng)絡(luò)分別獲取用戶特征向量、原文特征向量和傳播信息特征向量，然后將用戶特征向量、原文特征向量和傳播信息特征向量融合為新的特征向量，最后利用第四種神經(jīng)網(wǎng)絡(luò)對(duì)融合后的特征向量進(jìn)行謠言識(shí)別。基于上述步驟，能夠快速且準(zhǔn)確地檢測(cè)到社交網(wǎng)絡(luò)中的謠言。同時(shí)，本發(fā)明中的系統(tǒng)能夠執(zhí)行并實(shí)現(xiàn)上述步驟。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及一種基于混合神經(jīng)網(wǎng)絡(luò)的社交網(wǎng)絡(luò)謠言識(shí)別方法及系統(tǒng)。

背景技術(shù)

網(wǎng)絡(luò)社交指的是以互聯(lián)網(wǎng)為基礎(chǔ)，利用各種網(wǎng)絡(luò)軟件(如 Twitter、Facebook和新浪微博等)所實(shí)現(xiàn)的社會(huì)交往。網(wǎng)絡(luò)社交在為人際交往提供便利的同時(shí)，也為謠言的傳播開(kāi)辟了新的場(chǎng)所。

當(dāng)前，可以采用基于機(jī)器學(xué)習(xí)或深度循環(huán)神經(jīng)網(wǎng)絡(luò)的謠言識(shí)別方法對(duì)社交網(wǎng)絡(luò)中的謠言進(jìn)行識(shí)別。例如，方法1：《Enquiring minds: Early detection of rumors insocial media from enquiry posts》(In: Proceedings of the 24th InternationalConference on World Wide Web International World Wide Web ConferencesSteering Committee,p. 1395-1405)所公開(kāi)的方法，考慮所有謠言相關(guān)推文的結(jié)構(gòu)信息，使用事件級(jí)別的正則表達(dá)式將類似的帖子聚類在一起，用于謠言監(jiān)測(cè)。方法2：《Automaticdetection of rumor on sina weibo》(in Proceedings of the ACM SIGKDD Workshopon Mining Data Semantics，2012，p.13)所公開(kāi)的方法，根據(jù)推文的整體統(tǒng)計(jì)數(shù)據(jù)人工定義特征，并采用基于徑向基內(nèi)核的支持向量機(jī)模型識(shí)別謠言。方法3：《Informationcredibility on twitter》 (In：Proceedings of the 20th international conferenceon World wide web ACM，p.675-684)所公開(kāi)的方法，通過(guò)分析謠言信息中與“趨勢(shì)”主題相關(guān)的微博發(fā)帖，并利用決策樹(shù)分類器將其分類為可信或不可信。方法4：《Prominentfeatures of rumor propagation in online social media》(In： Data Mining(ICDM)，2013IEEE 13th International Conference on IEEE， p.1103-1108)所公開(kāi)的方法，采用隨機(jī)森林分類器擬合時(shí)間序列微博的變化曲線，并利用謠言和非謠言曲線之間的差異檢測(cè)謠言。方法5：《Detect rumors using time series of social context information onmicro blogging websites》(In：Proceedings of the 24th ACM International onConference on Information and Knowledge Management ACM，p.1751-1754)所公開(kāi)的方法，通過(guò)動(dòng)態(tài)時(shí)間序列結(jié)構(gòu)學(xué)習(xí)內(nèi)容特征的動(dòng)態(tài)變換來(lái)識(shí)別謠言。方法6：《DetectingRumors from Micro blogs with Recurrent Neural Networks》(In：IJCAI，p.3818-3824)所公開(kāi)的方法，利用深度循環(huán)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)傳播內(nèi)容中的隱含表示識(shí)別謠言。

上述謠言識(shí)別方法雖然能夠識(shí)別到社交網(wǎng)絡(luò)中的謠言，但是，這些方法均未分析謠言原文和轉(zhuǎn)發(fā)評(píng)論信息，而轉(zhuǎn)發(fā)評(píng)論信息通常會(huì)包含用戶對(duì)謠言的質(zhì)疑或更正，是影響謠言識(shí)別準(zhǔn)確度的重要因素。

發(fā)明內(nèi)容