[發(fā)明專利]融合文本和傳播結(jié)構(gòu)的早期謠言檢測方法

有效

• 申請?zhí)枺?/td>: 202011245311.6
• 申請日: 2020-11-10
• 公開（公告）號: CN112329444B
• 公開（公告）日: 2022-09-02
• 發(fā)明（設(shè)計）人: 陳晨;屠克非;袁曉潔
• 申請（專利權(quán)）人: 南開大學(xué)
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F16/35;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 天津耀達(dá)律師事務(wù)所 12223
• 代理人: 張耀

1.融合文本和傳播結(jié)構(gòu)的早期謠言檢測方法，其特征是：將新聞的傳播結(jié)構(gòu)建模為傳播樹，構(gòu)造了聯(lián)合圖用以得到謠言傳播結(jié)構(gòu)的嵌入，并用兩個雙分支的CNN子模塊用以融合傳播結(jié)構(gòu)和新聞源文本的語言特征，該方法具體步驟如下：

第1、數(shù)據(jù)集的預(yù)處理

在數(shù)據(jù)的預(yù)處理階段，收集新聞的訓(xùn)練集樣本，其包括新聞的源文本以及用戶之間的轉(zhuǎn)發(fā)關(guān)系，在完成數(shù)據(jù)集的收集工作完成以后，將對數(shù)據(jù)集進(jìn)行預(yù)處理用以得到新聞的傳播結(jié)構(gòu)的特征表示；謠言的每個樣本包括三部分：新聞的源文本s_i，新聞的傳播樹T_i和新聞的標(biāo)注標(biāo)簽l_i；

第2、獲得新聞源文本和傳播結(jié)構(gòu)的向量表示

模型的輸入分成兩部分：一部分是新聞源文本的向量表示，另一部分則是代表著新聞傳播結(jié)構(gòu)的節(jié)點序列的向量表示；向量表示方法既利用序列表現(xiàn)了傳播結(jié)構(gòu)的序列特性，也利用聯(lián)合圖的嵌入表達(dá)了傳播結(jié)構(gòu)的結(jié)構(gòu)特征；

第3、訓(xùn)練融合傳播結(jié)構(gòu)和文本信息的謠言檢測模型

謠言檢測模型使用雙分支結(jié)構(gòu)，每個結(jié)構(gòu)都是由多個卷積神經(jīng)網(wǎng)絡(luò)過濾器組成，雙分支的輸出由一個連接函數(shù)(concatenate)所拼接，并作為一個Softmax層的輸入，文本分支輸入的是新聞源文本的向量表示V_i，節(jié)點分支輸入的是新聞傳播結(jié)構(gòu)的向量表示N_i，給定(V_i,N_i)，模型得到預(yù)測的類別l_i；

第1步包括：

第1.1、傳播樹的建模

謠言的傳播結(jié)構(gòu)的原始形式是一張表，其中的每個元素是兩個用戶之間的轉(zhuǎn)發(fā)關(guān)系，每個傳播關(guān)系可以看作是一條有向邊，其方向與新聞的轉(zhuǎn)發(fā)的方向相同，如果不同的邊整合起來，其會形成一個樹結(jié)構(gòu)，這就是謠言的傳播樹結(jié)構(gòu)；

其中傳播樹的具體定義如下：

令T＜V，E＞為一個新聞的傳播樹，其中V是節(jié)點的集合，其中的每個節(jié)點都是參與到新聞傳播的用戶，E是邊的集合，其中的每個元素代表著任意兩個用戶的一次轉(zhuǎn)發(fā)行為，其中對于任意節(jié)點v_i屬于V，v_i＝(u_i，c_i，t_i)，其中u_i代表著第i個用戶，c_i代表著這一用戶的轉(zhuǎn)發(fā)的評論內(nèi)容，t_i表示這一次轉(zhuǎn)發(fā)所發(fā)生的時刻；

第1.2、聯(lián)合圖的生成

為了更利用謠言的傳播結(jié)構(gòu)特征，特別是不同傳播結(jié)構(gòu)之間的相似之處，訓(xùn)練集中所有新聞的傳播樹都被合并到了一張聯(lián)合圖上去；

聯(lián)合圖的具體定義如下：

聯(lián)合圖G_u＝＜V_u，E_u＞是生成自一個傳播樹的集合{T_i＝＜V_i，E_i＞}，其中V_u＝∪_iV_i是傳播樹中所有點集合的并集，E_u＝∪_iE_i是傳播樹集合中所有邊集合的并集；

第1.3、聯(lián)合圖的嵌入

被合并之后形成的聯(lián)合圖既包含了單個傳播樹的傳播結(jié)構(gòu)信息，也包含了傳播樹的之間的同構(gòu)結(jié)構(gòu)信息，基于隨機(jī)游走的圖嵌入模型可以得到聯(lián)合圖的每個節(jié)點的向量表示，這一獲得向量表示的過程可以看作是針對聯(lián)合圖的圖嵌入，針對聯(lián)合圖構(gòu)造了兩種圖嵌入方法：一種是針對帶權(quán)邊的圖嵌入，另一種是針對無權(quán)邊的圖嵌入。