[發明專利]一種基于多維特征的虛假信息檢測系統及其方法

在審

• 申請號: 202210713652.4
• 申請日: 2022-06-22
• 公開（公告）號: CN114997144A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 章冬;張碩;曹竹蕓;葉春楊;周輝
• 申請（專利權）人: 海南大學
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 海南盛億專利代理事務所(普通合伙) 46005
• 代理人: 陳景帥

1.一種基于多維特征的虛假信息檢測系統，其特征在于：包括歷史評論文本采集單元、待檢測評論文件接收單元、數據庫單元、虛假信息檢測單元以及人機交互單元，所述的數據庫單元分別與歷史評論文本采集單元、待檢測評論文件接收單元、虛假信息檢測單元以及人機交互單元連接，所述的歷史評論文本采集單元連接有外部的歷史評論文本數據庫，所述的虛假信息檢測單元建立有能夠提取多維特征的虛假信息檢測模型。

2.根據權利要求1所述的基于多維特征的虛假信息檢測系統，其特征在于：所述的數據庫單元設置有用戶信息數據庫、評論文本數據庫、待檢測詞集數據庫、特征數據庫以及虛假信息檢測結果數據庫。

3.根據權利要求1所述的基于多維特征的虛假信息檢測系統，其特征在于：所述的虛假信息檢測模型基于Attention-Bi-LSTM-CNN混合算法建立。

4.一種基于多維特征的虛假信息檢測方法，基于如權利要求1所述的虛假信息檢測系統，其特征在于：包括如下步驟：

獲取歷史的評論文本數據集，并基于歷史的評論文本數據集建立虛假信息檢測模型；

獲取待檢測評論文件，并對待檢測評論文件進行預處理，得到待檢測詞集；

將待檢測詞集進行處理，得到對應的多維特征；

將多維特征輸入虛假信息檢測模型，得到虛假信息檢測結果。

5.根據權利要求4所述的基于多維特征的虛假信息檢測方法，其特征在于：建立虛假信息檢測模型，包括如下步驟：

對帶有真假標識的歷史的評論文本數據集進行預處理，得到預處理后的評論文本數據集，每條預處理后的評論文本數據均包括若干單詞實體；

提取當前預處理后的評論文本數據的每條評論語句中詞頻大于詞頻闕值的所有單詞實體，構成歷史評論詞集；

遍歷所有的預處理后的評論文本數據，得到所有的歷史評論詞集；

將所有的歷史評論詞集輸入Attention-Bi-LSTM-CNN混合模型進行訓練，得到虛假信息檢測模型。

6.根據權利要求5所述的基于多維特征的虛假信息檢測方法，其特征在于：所述的虛假信息檢測模型包括依次連接的輸入層、并聯的語義特征獲取模塊與行為特征獲取模塊、第一全連接層、分類層以及輸出層，所述的語義特征獲取模塊為設置有Attention機制的Bi-LSTM神經網絡結構，所述的行為特征獲取模塊為設置有Attention機制的CNN神經網絡結構。

7.根據權利要求6所述的基于多維特征的虛假信息檢測方法，其特征在于：所述的語義特征獲取模塊包括依次連接的詞向量轉換子模塊、Bi-LSTM子模塊、注意力層以及第二全連接層，所述的詞向量轉換子模塊與輸入層連接，所述的第二全連接層與第一全連接層連接；

所述的行為特征獲取模塊包括依次連接的特征矩陣獲取子模塊、卷積層、最大池化層以及第三全連接層，所述的卷積層與最大池化層之間并聯有注意力矩陣獲取子模塊，所述的特征矩陣獲取子模塊與輸入層連接，所述的第三全連接層與第一全連接層連接。

8.根據權利要求7所述的基于多維特征的虛假信息檢測方法，其特征在于：所述的獲取待檢測評論文件，并對待檢測評論文件進行預處理，包括如下步驟：

若待檢測評論文件只包含單一的待檢測的評論文本數據，對單一的待檢測的評論文本數據進行預處理，得到待檢測評論文件的預處理后的評論文本數據，預處理后的評論文本數據包括若干單詞實體；

提取當前待檢測評論文件的評論語句中詞頻大于詞頻闕值的所有單詞實體，構成待檢測評論詞集；

若待檢測評論文件包含若干待檢測的評論文本數據，對待檢測評論文件中每條待檢測的評論文本數據進行預處理，得到預處理后的評論文本數據集，每條預處理后的評論文本數據均包括若干單詞實體；

提取當前預處理后的評論文本數據的每條評論語句中詞頻大于詞頻闕值的所有單詞實體，構成待檢測評論詞集；

遍歷所有的預處理后的評論文本數據，得到所有的待檢測評論詞集。