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

在審

• 申請?zhí)枺?/td>: 202110284557.2
• 申請日: 2021-03-17
• 公開（公告）號: CN113064991A
• 公開（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（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06F16/35
• 分類號: 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

本發(fā)明公開了一種基于人機(jī)協(xié)作的微博事件真假檢測方法，該方法首先需要對用戶的可信度進(jìn)行判斷，需要分別對用戶進(jìn)行靜態(tài)描述處理以及進(jìn)行數(shù)據(jù)規(guī)約和數(shù)據(jù)變換處理；其次對微博與評論間、微博與微博間的情緒分?jǐn)?shù)進(jìn)行檢測；接下來針對事件進(jìn)行建模，形成一個(gè)社交媒體網(wǎng)絡(luò)圖模型，在建模的過程中針對一些對結(jié)果產(chǎn)生影響的數(shù)據(jù)人為的進(jìn)行處理；最后，使用GCN對其進(jìn)行處理分類，得到最后的結(jié)果即為事件的分類結(jié)果。本發(fā)明對提出詞語級別設(shè)置判斷規(guī)則，對文本的情感傾向作出了評估，提升了微博事件真假判斷的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，具體涉及一種微博事件真假檢測方法。

背景技術(shù)

微博事件指針對出現(xiàn)的一個(gè)熱門社會(huì)新聞，多個(gè)用戶對其發(fā)表自己的看法所構(gòu)成的微博新聞事件。一直以來，對于微博事件的真假自動(dòng)檢測是研究的熱點(diǎn)，大量學(xué)者使用現(xiàn)有技術(shù)對微博事件的真假進(jìn)行了探索。例如，Zhang,L,Wang,S,Liu,B.Deep learning forsentiment analysis:A survey.WIREs Data Mining Knowl Discov.2018.總結(jié)了使用深度學(xué)習(xí)進(jìn)行情感分析的研究方法，將情感分析分成了三個(gè)層級：文檔級、句子級和立場級，并指出了各個(gè)層級的優(yōu)劣之處。文檔級的情感分析包含長文本依賴關(guān)系，所以需要使用關(guān)注機(jī)制。立場的情感分類分為三步：對目標(biāo)的上下文進(jìn)行處理，生成目標(biāo)的表征信息，最后對目標(biāo)的情感上下文進(jìn)行識別。但是該論文依賴于文本上下文情感一致且整個(gè)文本中情感必須是連貫的。使用GCN做文本分類是GCN的一種很好的應(yīng)用，“Yao,LiangMao,ChengshengLuo,Yuan.Graph Convolutional Networks for Text Classification.(2018).”在整個(gè)語料集上構(gòu)建了一個(gè)圖，使用滑動(dòng)窗口獲得輸入矩陣，利用兩層GCN計(jì)算文本類別概率同樣將事件的真假檢測轉(zhuǎn)換為圖模型節(jié)點(diǎn)的分類問題，但這篇論文忽略了文本之間的交互情況，因此需要對整個(gè)事件的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行建模。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于人機(jī)協(xié)作的微博事件真假檢測方法，該方法首先需要對用戶的可信度進(jìn)行判斷，需要分別對用戶進(jìn)行靜態(tài)描述處理以及進(jìn)行數(shù)據(jù)規(guī)約和數(shù)據(jù)變換處理；其次對微博與評論間、微博與微博間的情緒分?jǐn)?shù)進(jìn)行檢測；接下來針對事件進(jìn)行建模，形成一個(gè)社交媒體網(wǎng)絡(luò)圖模型，在建模的過程中針對一些對結(jié)果產(chǎn)生影響的數(shù)據(jù)人為的進(jìn)行處理；最后，使用GCN對其進(jìn)行處理分類，得到最后的結(jié)果即為事件的分類結(jié)果。本發(fā)明對提出詞語級別設(shè)置判斷規(guī)則，對文本的情感傾向作出了評估，提升了微博事件真假判斷的準(zhǔn)確性。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案包括以下步驟：

步驟1：在微博上對數(shù)據(jù)進(jìn)行采集，包括微博主體、評論、發(fā)表微博以及評論的用戶信息數(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：對用戶進(jìn)行可信度檢測；

步驟2-1：根據(jù)用戶是否填寫相應(yīng)信息將用戶的信息處理為二元屬性，若填寫了相應(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：