[發明專利]基于多層次交互式證據生成的虛假新聞識別系統及方法

有效

• 申請號: 202011587811.8
• 申請日: 2020-12-28
• 公開（公告）號: CN112650851B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 饒元;吳連偉;孫菱;郝哲;賀王卜;蘭玉乾
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/205;G06F40/279;G06N3/0455;G06N3/048;G06N3/08;G06N5/04;G06Q50/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 朱海臨

本發明公開了一種基于多層次交互式證據生成的虛假新聞識別系統及方法，通過設計兩個漸進式編譯碼層次生成，以生成虛假新聞背后的真相作為驗證結果的解釋。本發明推理生成利用局部推理促使了新聞的虛假部分以及沖突之間的深層理解，以聚焦如何揭示假新聞背后的真實虛假部分；本發明具有可拆解性，可將本發明的三個生成模塊解耦訓練利用，具有模型泛化能力和任務階段性訓練能力；在兩個公開的、廣泛使用的假新聞數據集上實驗表明，本發明比以前的最先進的方法取得了更好的性能。

技術領域

本發明涉及一種具有可解釋性的基于多層次交互式精細化證據生成的虛假新聞識別系統及方法。

背景技術

當前，社交媒體已經成為人們生活中不可或缺的一部分，人們可以自由地在社交媒體中表達自我，汲取知識、互動交流。社交網絡憑借其言論便捷性與信息發布的低成本性不僅帶來了“群體智慧”，同時也導致了大量虛假或未經證實的信息的擴散與泛濫，尤其是在重大極端突發事件面前，極易引發虛假信息擴散，擾亂人們的生活秩序，造成社會恐慌。假新聞的肆虐嚴重影響了人們生活、社會穩定乃至國家安全。如何對社交網絡中快速識別出信息的可信度，并使識別結果對用戶可解釋，已經成為了目前學術界與工業界面臨的重大難題之一。

目前數據挖掘與機器學習的應用已經使假新聞的識別研究獲得了長足的發展。經典的方法是借助假新聞的內容來抽取文本特征(如N元語法特征和詞袋特征)并利用監督學習算法(如隨機森林與支持向量機)進行信息的真偽性識別。NLP研究者還聚焦了更加深層次的語言特征，如事實/肯定動詞和主觀性詞語以及寫作風格的挖掘。盡管這些方法已經實現了一定的假新聞檢測性能，但他們很難對檢測結果給用戶提供一個合理解釋。為克服這些弊端，最近研究趨向于探索具有可解釋性的假新聞檢測方法，其主要是通過發展交互模型來從可靠來源中捕獲證據片段來解釋假新聞的虛假部分，常常聚焦于詞級顯著性證據語義以及句子級一致性語義來體現假新聞的可解釋性。然而，盡管這些交互模型已經從一定程度上反映了可解釋性，其捕獲的詞級與句子級證據可能僅僅是新聞與相關文章之間的沖突，這些沖突很難解釋假新聞背后的真相。換句話說，當前的交互模型捕獲的可能是相關文章中的多種粗粒度的沖突，而假新聞背后的真相可能需要在這些沖突中不斷提煉才能獲得。

發明內容

本發明的目的在于解決現有技術中的問題，提供基于多層次交互式證據生成的虛假新聞識別系統及方法，本發明利用兩個生成模型來探究待驗證新聞中可能存在的沖突與相關文章中潛在的證據，然后構建細粒度生成模型推導假新聞的真正錯誤的部分以及對應的證據，從而作為待驗證新聞背后的真相用于可解釋性假新聞檢測。本發明不僅提高了假新聞的識別性能，還為識別結果提供了合理透明的可解釋性證據。

為達到上述目的，本發明采用以下技術方案予以實現：

基于多層次交互式證據生成的虛假新聞識別方法，包括以下步驟：

步驟1，將新聞序列C與相關文章序列R作為輸入特征；

步驟2：針對任一新聞序列C與相關文章序列R，采用自注意力網絡作為沖突生成器和虛假部分生成器的編碼器來學習任意兩個單詞間的依賴關系以及序列內部的結構特征；

步驟3：依靠不同的線性投影將新聞序列C或相關文章序列R的查詢、鍵和值線性投影h次，然后并行執行縮放的點乘注意力；將注意力的結果串聯起來，再進行投影以得到新的表示，具體如下：

H＝MultiHead(Q,K,V)＝Concat(head₁,head₂,…,head_h)W^o??????(2)

其中，W_i^Q、和W^o為可訓練參數；H^C和H^R是虛假部分生成器模塊的兩個輸出；為沖突生成器針對第一個、第i個以及最后一個相關文章的輸出；