[發明專利]一種基于傳播影響力的網絡謠言識別系統及方法

在審

• 申請號: 202110297717.7
• 申請日: 2021-03-19
• 公開（公告）號: CN113191144A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 段大高;白宸宇;韓忠明;張楚童;張秋麗
• 申請（專利權）人: 北京工商大學
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張換君

本發明公開了一種基于傳播影響力的網絡謠言識別方法，具體包括如下步驟：對多個包含謠言信息的文本進行神經網絡訓練，得到文本特征矩陣；獲取第一用戶節點信息矩陣；構建傳播圖結構；構建發布用戶傳遞注意力節點模型；根據更新后的第二用戶節點信息矩陣和所述文本特征矩陣來訓練神經網絡模型，得到謠言識別模型；根據所述謠言識別模型識別網絡謠言。本發明還公開一種基于傳播影響力的網絡謠言識別系統，包括：文本特征矩陣獲取模塊、用戶節點信息獲取模塊、第一構建模塊、第二構建模塊、訓練模塊、識別模塊；綜上，本發明有效的捕獲了謠言信息在轉發關系中不同維度的節點信息，能夠有效識別謠言信息。

技術領域

本發明屬于網絡謠言識別技術領域，特別是涉及一種基于傳播影 響力的網絡謠言識別系統及方法。

背景技術

在線社會網絡與我們的生活、工作息息相關，不斷豐富的信息對 于信息挖掘十分有利，但也會導致虛假信息泛濫。人們不僅僅能夠通 過網絡獲取各式各樣的信息，而且還能夠參與到信息內容的創作中 去。憑借參與、公開、交流、對話、社區化的特性，在線社會網絡大 大加速了人與人之間信息交流的速度與深度，與此同時，我們還需要 看到：它在為人們提供便利的信息交流、互動的同時，也降低了不實 信息的傳播成本。因此，尋找一種有效的虛假消息識別方法來減少虛 假負面消息的影響成為研究人員關注的問題。

目前有許多檢測謠言的方法，其中應用最為廣范的檢測方法大致 分為兩種：(1)基于人工特征的方法：該方法主要通過構建相關謠言 微博的特征，使用決策樹或支持向量機等機器學習分類器進行事件分 類，通用性較差，這種基于特征工程的方法雖然取得了一定的成效， 但是需要耗費大量資源，并且受限于人工設計的規則。(2)基于深度 神經網絡模型：這類模型在語義表示與謠言檢測運用方面更具優勢； 神經網絡模型與機器學習方法相比，能夠自動從數據中學習事件特 征，避免了大量的特征工程，在捕獲上下文之間復雜的語義關系方面 也有更好的拓展性。但目前神經網絡謠言檢測模型，并沒有很好的充 分利用謠言相關的文本信息和用戶節點信息，對于文本信息學習效果 不夠好，對于用戶節點信息表示單一化不夠完善，未利用用戶節點間 的影響力。

發明內容

為了解決上述技術問題，提供一種基于傳播影響力的網絡謠言識 別方法，具體包括如下步驟：

S101：對多個包含謠言信息的文本進行神經網絡訓練，得到文本 特征矩陣；

S102：基于謠言信息的發布用戶，得到第一用戶節點信息矩陣；

S103：基于所述第一用戶節點信息矩陣和所述發布用戶在多個所 述文本之間的轉發和評論關系，構建傳播圖結構；

S104：基于所述傳播圖結構，構建發布用戶傳遞注意力節點模型， 并將所述第一用戶節點信息矩陣輸入該模型中，輸出更新后的第二用 戶節點信息矩陣；

S105：根據所述更新后的第二用戶節點信息矩陣和所述文本特征 矩陣來訓練神經網絡模型，得到謠言識別模型；

S106：根據所述謠言識別模型識別網絡謠言。

優選地，所述步驟S101具體為：

S101.1：對多個所述包含謠言信息的文本進行清洗和長度規范 化；

S101.2：對多個所述文本中的單詞進行神經網絡訓練，得到所述 單詞的詞匯量；

S101.3：基于所述詞向量，得到多個所述文本的第一詞特征矩陣；

S101.4：將所述第一詞特征矩陣通過注意力機制學習所述單詞之 間的依賴關系，得到第二詞特征矩陣；

S101.5：將所述第二詞特征矩陣輸入卷積層和最大池化層，得到 所述文本特征矩陣。