[發明專利]融合用戶信息和文本信息的謠言檢測方法及裝置

在審

• 申請號: 202111544890.9
• 申請日: 2021-12-16
• 公開（公告）號: CN114329229A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 朱玉敏;董方敏;徐義春
• 申請（專利權）人: 三峽大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F40/289;G06F40/30;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 吳剛

本發明提供一種融合用戶信息和文本信息的謠言檢測方法及裝置，該方法包括：獲取待檢測事件的第一源文本信息和所述第一源文本信息對應的第一用戶信息；將所述第一源文本信息和第一用戶信息輸入條件生成對抗網絡模型中，得到所述條件生成對抗網絡模型生成的所述待檢測事件的模擬響應數據；將所述第一源文本信息、第一用戶信息和模擬響應數據輸入分類模型中，得到所述分類模型輸出的待檢測事件的謠言檢測結果；本發明實現整個謠言檢測過程中，只需要根據待檢測事件的第一源文本信息和第一用戶信息，即可快速獲取到待檢測事件的謠言檢測結果，具有良好的時效性；并且，聯合第一源文本信息、第一用戶信息和模擬響應數據，使得謠言檢測結果更加準確。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種融合用戶信息和文本信息的謠言檢測方法及裝置。

背景技術

社交媒體對于新聞消費者來說是一把雙刃劍，社交媒體由于其低成本、易獲取和快速的信息傳播等特點，為人們及時了解新聞帶來了便利之處。然而，這也給假新聞的滋生創造了優越的環境。假新聞即故意捏造的與事實相違背的謠言事件，具有一定的隱秘性和欺騙性并會給社會帶來不良影響與損失。

應對網絡上的大量新聞，需要構建相應的自動檢測模型來甄別出虛假新聞，檢測出謠言事件。現有的謠言檢測技術存在如下問題：(1)現有的謠言檢測技術大多利用用戶對新聞的評論、轉發信息進行謠言檢測，而謠言的傳播速度是極其迅速，這給謠言的擴散提供了不可或缺的生長時間，因此在早期檢測中表現不佳；(2)現有的謠言檢測方法大多局限于單一模態，如文本信息或傳播結構，難以對謠言進行準確檢測。

發明內容

本發明提供一種融合用戶信息和文本信息的謠言檢測方法及裝置，用以解決現有技術中在早期檢測中表現不佳，且對謠言檢測不準確的缺陷，實現快速準確地檢測出謠言。

本發明提供一種融合用戶信息和文本信息的謠言檢測方法，包括：

獲取待檢測事件的第一源文本信息和所述第一源文本信息對應的第一用戶信息；

將所述第一源文本信息和第一用戶信息輸入條件生成對抗網絡模型中，得到所述條件生成對抗網絡模型生成的所述待檢測事件的模擬響應數據；其中，所述條件生成對抗網絡模型根據樣本事件的第二源文本信息和第二用戶信息，以及真實響應數據進行訓練得到；所述真實響應數據包括對所述第二源文本信息進行轉發和評論的推文數據和所述推文數據對應的用戶信息；

將所述第一源文本信息、第一用戶信息和模擬響應數據輸入分類模型中，得到所述分類模型輸出的待檢測事件的謠言檢測結果；所述分類模型根據所述第二源文本信息、第二用戶信息和所述樣本事件的模擬響應數據，以及所述樣本事件的謠言檢測標簽進行訓練獲取。

根據本發明提供的一種融合用戶信息和文本信息的謠言檢測方法，所述分類模型基于循環神經網絡和分類模塊構建生成；

相應地，所述將所述第一源文本信息、第一用戶信息和模擬響應數據輸入分類模型中，得到所述分類模型輸出的待檢測事件的謠言檢測結果，包括：

將所述第一源文本信息、第一用戶信息和模擬響應數據進行拼接后，輸入所述循環神經網絡中，得到所述循環神經網絡輸出的所述待檢測事件的特征矩陣；

將所述特征矩陣輸入所述分類模塊，得到所述分類模塊輸出的所述待檢測事件的謠言檢測結果。

根據本發明提供的一種融合用戶信息和文本信息的謠言檢測方法，所述條件生成對抗網絡模型中的生成器基于循環神經網絡構建生成；

所述條件生成對抗網絡模型中的判別器基于卷積神經網絡構建生成。

根據本發明提供的一種融合用戶信息和文本信息的謠言檢測方法，所述將所述第一源文本信息和第一用戶信息輸入條件生成對抗網絡模型中之前，還包括：