[發(fā)明專利]一種基于人工智能的媒體內(nèi)容真實度分析方法

有效

• 申請?zhí)枺?/td>: 202110523827.0
• 申請日: 2021-05-13
• 公開（公告）號: CN113158082B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 聶佼穎
• 申請（專利權(quán)）人: 和鴻廣科技（上海）有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F40/30;G06F40/289;G06F40/242;G06Q50/00
• 代理公司: 上海塔科專利代理事務(wù)所(普通合伙) 31380
• 代理人: 謝安軍

1.一種基于人工智能的媒體內(nèi)容真實度分析方法，其特征在于，所述方法包括：

對同一新聞內(nèi)容下不同社交用戶發(fā)表的評論內(nèi)容進行關(guān)鍵詞提取以得到每個社交用戶的第一評論信息，并對每個第一評論信息中的元素集合進行對齊以求得每個社交用戶之間的元素交集，其中，所述第一評論信息包括多個元素集合，所述元素集合用于表征新聞事件的發(fā)生地點、發(fā)生時間、涉及的人物和/或組織機構(gòu)；

利用情感詞典對每個社交用戶發(fā)表的評論內(nèi)容進行情感詞提取以得到每個社交用戶的第二評論信息，并從每個社交用戶的第二評論信息中提取對應(yīng)社交用戶的情感特征，其中，所述第二評論信息包括多個情感元素詞，所述情感元素詞用于表征每個社交用戶的情感傾向；

基于每個社交用戶之間的元素交集和情感相似度確定每個社交用戶之間的評論相關(guān)度，并將所述評論相關(guān)度作為邊的權(quán)重值為不同社交用戶構(gòu)建相應(yīng)的關(guān)聯(lián)拓撲圖，其中，所述情感相似度由每個社交用戶的情感特征對應(yīng)的特征向量之間的余弦相似度確定；

基于所述關(guān)聯(lián)拓撲圖和每個社交用戶的深層語義特征識別新聞內(nèi)容中的焦點內(nèi)容，并將所述焦點內(nèi)容輸入至驗證模型中以判斷所述焦點內(nèi)容是否為虛假新聞內(nèi)容；

基于所述關(guān)聯(lián)拓撲圖和每個社交用戶的深層語義特征識別新聞內(nèi)容中的焦點內(nèi)容包括：

獲取關(guān)聯(lián)拓撲圖中每個社交用戶之間邊的權(quán)重值，并將所述權(quán)重值與預(yù)設(shè)閾值進行比較；在所述權(quán)重值小于預(yù)設(shè)閾值時，將所述權(quán)重值對應(yīng)的邊從關(guān)聯(lián)拓撲圖中刪除；

獲取與對應(yīng)社交用戶存在關(guān)聯(lián)關(guān)系的所有相鄰社交用戶，對每個社交用戶之間邊的權(quán)重值進行迭代傳播直至收斂得到每個社交用戶之間的關(guān)聯(lián)評論特征，其中，所述關(guān)聯(lián)關(guān)系用于表征對應(yīng)社交用戶之間存在邊；

獲取對應(yīng)評論內(nèi)容包含的每個詞匯的詞向量，并將每個詞匯的詞向量順序輸入至雙向長短期記憶網(wǎng)絡(luò)中以獲取每個詞匯產(chǎn)生的前向隱式狀態(tài)序列和后向隱式狀態(tài)序列，將預(yù)設(shè)時刻的前向隱層狀態(tài)和后向隱層狀態(tài)進行拼接并編碼以得到每個社交用戶的深層語義特征；

基于關(guān)聯(lián)評論特征和深層語義特征識別不同社交用戶在同一新聞內(nèi)容中關(guān)注的同一焦點內(nèi)容。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對同一新聞內(nèi)容下不同社交用戶發(fā)表的評論內(nèi)容進行關(guān)鍵詞提取以得到每個社交用戶的第一評論信息包括：

對每個社交用戶發(fā)表的評論內(nèi)容進行數(shù)據(jù)處理以過濾評論內(nèi)容中的無用信息，對處理后的評論內(nèi)容進行分詞以得到若干分詞詞匯，其中，所述無用信息包括超鏈接、圖片和符號元素；

基于公共語料庫中的常用關(guān)鍵詞和關(guān)鍵詞識別規(guī)則構(gòu)件關(guān)鍵詞識別的初始特征模板，根據(jù)所述初始特征模板對分詞詞匯進行關(guān)鍵詞匹配以對分詞詞匯中的關(guān)鍵詞進行初步篩選；所述關(guān)鍵詞識別規(guī)則包括根據(jù)先驗特征字詞指定的邊界判定當前詞匯的邊界，并判斷當前詞匯的附加特征詞是否與先驗附加特征詞相同；若相同，根據(jù)常用關(guān)鍵詞判斷當前詞匯是否為關(guān)鍵詞；

對初始特征模板的觀察窗口進行擴展以獲取每個初步篩選的關(guān)鍵詞的上下文信息，構(gòu)造關(guān)鍵詞識別規(guī)則的多元識別特征以對初始特征模板的匹配規(guī)則進行更新得到復(fù)合特征模板，利用所述復(fù)合特征模板對所述關(guān)鍵詞的上下文信息進行識別以對所述關(guān)鍵詞進行詞匯修正；

獲取修正后的每個關(guān)鍵詞的元素類型，以為相同元素類型的關(guān)鍵詞生成相應(yīng)的元素集合，并對所有元素集合進行排序以得到社交用戶的第一評論信息。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述元素類型包括人名、地名、機構(gòu)名、組織名和時間。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述先驗附加特征詞分為前綴特征詞和后綴特征詞，所述先驗附加特征詞包括用于對地名進行識別的先驗地名附加特征詞。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，更新后的匹配規(guī)則包括：將復(fù)合特征模板中的尾部先驗特征字詞作為關(guān)鍵詞識別的尾部邊界，將復(fù)合特征模板中的首部先驗特征字詞作為關(guān)鍵詞識別的首部邊界；

根據(jù)上下文信息判斷當前關(guān)鍵詞的后綴特征詞是否可以與所述關(guān)鍵詞進行組合，根據(jù)上下文信息判斷當前關(guān)鍵詞的前綴特征詞是否可以與所述關(guān)鍵詞進行組合。