[發(fā)明專利]一種基于人機(jī)協(xié)作的微博事件真假檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110284557.2
• 申請(qǐng)日: 2021-03-17
• 公開(kāi)（公告）號(hào): CN113064991A
• 公開(kāi)（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 於志文;楊曼媛;楊帆;郭斌;王亮
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06F16/95
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 金鳳

1.一種基于人機(jī)協(xié)作的微博事件真假檢測(cè)方法，其特征在于，包括以下步驟：

步驟1：在微博上對(duì)數(shù)據(jù)進(jìn)行采集，包括微博主體、評(píng)論、發(fā)表微博以及評(píng)論的用戶信息數(shù)據(jù)，用戶信息數(shù)據(jù)如表1；

表1用戶數(shù)據(jù)信息

步驟2：對(duì)用戶進(jìn)行可信度檢測(cè)；

步驟2-1：根據(jù)用戶是否填寫(xiě)相應(yīng)信息將用戶的信息處理為二元屬性，若填寫(xiě)了相應(yīng)的信息，取值為1，否則取值為0，表示為：

其中f(i)表示二元處理的結(jié)果，U_i表示用戶的靜態(tài)信息可信度，n表示需要處理的信息數(shù)量；

步驟2-2：將微博、粉絲、關(guān)注、互關(guān)、好友情況進(jìn)行數(shù)據(jù)規(guī)約和數(shù)據(jù)變換處理；

步驟2-2-1：延伸出漲粉速率V_fo以及微博活躍度V_tw兩個(gè)指標(biāo)，計(jì)算公式如下：

其中，fonum為粉絲數(shù)量，twnum為微博數(shù)量，U_v表示用戶活躍度的可信度；

步驟2-2-2：通過(guò)分析微博用戶互粉數(shù)、關(guān)注數(shù)、粉絲數(shù)，進(jìn)行數(shù)據(jù)變換，延伸出互粉比例系數(shù)BiFo特征指標(biāo)：

其中，Bifo(.)表示互粉比例系數(shù)，F(xiàn)o(.)表示關(guān)注數(shù)量，a表示每個(gè)特征的系數(shù)，i、j分別表示用戶的不同特征數(shù)值與用戶某一時(shí)刻特征的數(shù)值，z表示求取最大特征數(shù)值對(duì)應(yīng)的序號(hào)；Num(.)表示微博數(shù)量Tw、關(guān)注數(shù)量Fo、互粉量數(shù)Bf、好友數(shù)量Fr四個(gè)指標(biāo)之一；

分別用微博數(shù)量Tw、關(guān)注數(shù)量Fo、互粉量數(shù)Bf、好友數(shù)量Fr四個(gè)指標(biāo)作為Num(.)代入式(3)，得到每個(gè)指標(biāo)對(duì)應(yīng)的判斷用戶可信度的特征，之后將其相加得到對(duì)用戶的可信度影響因子評(píng)估如下：

步驟2-3：計(jì)算用戶的可信度UC：

UC＝(θ(U_i),θ(U_v),θ(U_r))

其中θ(x)為遞減函數(shù)，t₁表示時(shí)間，p表示時(shí)間系數(shù)；

步驟3：對(duì)微博的文本內(nèi)容進(jìn)行情緒分?jǐn)?shù)檢測(cè)；

其中，t為指數(shù)，t的值取決于是否極性反轉(zhuǎn)；k代表程度詞的程度，word(j)表示每個(gè)詞的原始分?jǐn)?shù)，ρ表示每部分積極詞或消極詞的頻率m、n分別表示否定詞與程度副詞的數(shù)量；

步驟4：對(duì)微博事件進(jìn)行建模，將微博事件構(gòu)造成一個(gè)由用戶、微博正文和評(píng)論作為節(jié)點(diǎn)交互的四層網(wǎng)絡(luò)結(jié)構(gòu)；具體建模過(guò)程如下：

將同樣角度的微博進(jìn)行聚類(lèi)，構(gòu)成子事件，將不同子事件的聚類(lèi)中心進(jìn)行連接，所構(gòu)成的邊用聚類(lèi)中心的余弦相似度作為度量；

對(duì)子事件內(nèi)部的微博，微博之間邊的權(quán)值決定了兩條微博之間的相互影響情況，兩條微博相似度越高，他們邊的權(quán)重就越大，通過(guò)杰卡德相似度對(duì)其邊進(jìn)行計(jì)算；

評(píng)論是用戶對(duì)事件微博的外在評(píng)定，一條評(píng)論對(duì)于微博的影響程度來(lái)自于評(píng)論與微博的一致程度，使用余弦相似度作為微博與評(píng)論的邊進(jìn)行差異度量；

對(duì)相同用戶的發(fā)言建立邊的連接，使用杰卡德方法對(duì)其進(jìn)行度量；

最終構(gòu)成的圖G＝(E,V)即是以節(jié)點(diǎn)和邊為基本數(shù)據(jù)組的拓?fù)浣Y(jié)構(gòu)；

步驟5：使用GCN對(duì)圖模型G(N，E)進(jìn)行處理；

在圖G(N，E)中，節(jié)點(diǎn)N的輸入為用戶的可信度、文本的情感評(píng)估分?jǐn)?shù)，邊E的輸入為不同實(shí)體之間的相似度度量結(jié)果；FGCN的鄰接矩陣A是n維方陣，n代表圖中節(jié)點(diǎn)數(shù)量，A中每個(gè)元素表示兩個(gè)節(jié)點(diǎn)之間的權(quán)重；處理過(guò)程中，在GCN中加入類(lèi)鄰接矩陣，對(duì)同階的鄰域節(jié)點(diǎn)加權(quán)分配鄰居權(quán)重；

步驟6：根據(jù)微博與子事件中心微博的相似度絕對(duì)值大小對(duì)微博進(jìn)行提取，提出超過(guò)相似度絕對(duì)值的微博，所提取出的微博分為以下三種情況：

1、微博文本為用戶本人的主觀評(píng)價(jià)，用戶針對(duì)事件進(jìn)行了討論，微博本身與事件相關(guān)，因此不做任何處理；

2、微博中雖然包含對(duì)事件的評(píng)價(jià)，但是其中夾雜著廣告，將這種情況的微博直接刪除；

3、偏移事件的主題，行文過(guò)程中轉(zhuǎn)向?qū)ζ渌挛锏脑u(píng)價(jià)；若超過(guò)一半的微博篇幅與評(píng)論都用來(lái)描述與主題不相干事件，對(duì)微博進(jìn)行刪除；若微博正文內(nèi)僅僅提到了另外的事件，則將其評(píng)論中不相干的評(píng)論進(jìn)行刪除，保證微博的評(píng)論中只包含對(duì)相關(guān)事件的看法；

步驟7：將經(jīng)過(guò)步驟6處理過(guò)的微博事件重新進(jìn)行聚類(lèi)，重復(fù)一次步驟4到步驟6，生產(chǎn)新的圖模型，使用GCN對(duì)新的圖模型進(jìn)行處理，得到最后的檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于人機(jī)協(xié)作的微博事件真假檢測(cè)方法，其特征在于，所述步驟6中的相似度的絕對(duì)值大小為0.15。