[發明專利]社交網絡虛假新聞檢測方法及裝置

在審

• 申請號: 202210168205.5
• 申請日: 2022-02-23
• 公開（公告）號: CN114756763A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 郭穎;狄沖
• 申請（專利權）人: 北方工業大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00;G06F16/33;G06F16/35;G06F16/55;G06F16/583;G06F40/289;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 楊丹;郝博

1.一種社交網絡虛假新聞檢測方法，其特征在于，包括：

獲得社交網絡新聞數據，所述社交網絡新聞數據包含新聞文字元素和新聞圖像元素；

對所述新聞文字元素進行預處理，其中預處理包括：特殊符號剔除處理、分詞處理、停用詞剔除處理、詞嵌入編碼處理；

對預處理后的新聞文字元素，采用Bi-LSTM神經網絡模型進行文本特征提取，得到分詞文本向量；

對所述新聞圖像元素，采用VGG-19神經網絡模型進行視覺特征提取，得到分層視覺向量；

對所述分層視覺向量進行后處理，其中后處理包括：降維處理和對齊處理；

以分詞文本向量為目標，以分層視覺向量與分詞文本向量之間的相關性為權重系數，利用點積型注意力機制得到修正文本特征；

以分層視覺向量為目標，以分詞文本向量與分層視覺向量之間的相關性為權重系數，利用點積型注意力機制得到修正視覺特征；

對不同時刻的修正文本特征進行時間層面自注意力融合，得到終極文本特征；

對不同位置的修正視覺特征進行空間層面自注意力融合，得到終極視覺特征；

將終極文本特征和終極視覺特征進行拼接后，輸入帶有softmax全連接層的神經網絡模型，進行社交網絡虛假新聞檢測。

2.如權利要求1所述的社交網絡虛假新聞檢測方法，其特征在于，按如下方式對新聞文字元素進行詞嵌入編碼處理：

對新聞文字元素進行特殊符號剔除處理、分詞處理和停用詞剔除處理后，根據預先建立的詞向量映射表進行詞嵌入編碼處理。

3.如權利要求1所述的社交網絡虛假新聞檢測方法，其特征在于，按如下公式利用點積型注意力機制得到修正文本特征：

其中，Q'₁為修正文本特征，Q₁為分詞文本向量，K₁和V₁為分層視覺向量，d_k為縮放因子，t為轉置變換。

4.如權利要求1所述的社交網絡虛假新聞檢測方法，其特征在于，按如下公式利用點積型注意力機制得到修正視覺特征：

其中，Q'₂為修正視覺特征，Q₂為分層視覺向量，K₂和V₂為分詞文本向量，d_k為縮放因子，t為轉置變換。

5.一種社交網絡虛假新聞檢測裝置，其特征在于，包括：

新聞數據獲得模塊，用于獲得社交網絡新聞數據，所述社交網絡新聞數據包含新聞文字元素和新聞圖像元素；

文本特征預處理模塊，用于對所述新聞文字元素進行預處理，其中預處理包括：特殊符號剔除處理、分詞處理、停用詞剔除處理、詞嵌入編碼處理；

文本特征提取模塊，用于對預處理后的新聞文字元素，采用Bi-LSTM神經網絡模型進行文本特征提取，得到分詞文本向量；

視覺特征提取模塊，用于對所述新聞圖像元素，采用VGG-19神經網絡模型進行視覺特征提取，得到分層視覺向量；

視覺特征后處理模塊，用于對所述分層視覺向量進行后處理，其中后處理包括：降維處理和對齊處理；

視覺融合文本模塊，用于以分詞文本向量為目標，以分層視覺向量與分詞文本向量之間的相關性為權重系數，利用點積型注意力機制得到修正文本特征；

文本融合視覺模塊，用于以分層視覺向量為目標，以分詞文本向量與分層視覺向量之間的相關性為權重系數，利用點積型注意力機制得到修正視覺特征；

文本自融合模塊，用于對不同時刻的修正文本特征進行時間層面自注意力融合，得到終極文本特征；

視覺自融合模塊，用于對不同位置的修正視覺特征進行空間層面自注意力融合，得到終極視覺特征；

虛假新聞檢測模塊，用于將終極文本特征和終極視覺特征進行拼接后，輸入帶有softmax全連接層的神經網絡模型，進行社交網絡虛假新聞檢測。