[發明專利]基于偽孿生網絡的虛假新聞檢測方法

有效

• 申請號: 202210838961.4
• 申請日: 2022-07-18
• 公開（公告）號: CN115309860B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 劉勇;姜凱育;玄萍;黎玲利
• 申請（專利權）人: 黑龍江大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F16/55;G06F16/583;G06F16/9536;G06F18/25;G06F18/241;G06N3/0442;G06N3/048;G06N3/08;G06Q50/00;G06V10/44;G06V10/764;G06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于虛假新聞檢測技術領域，具體涉及一種基于偽孿生網絡的虛假新聞檢測方法，該方法的模型主要包括特征提取器和匹配網絡，該方法具體步驟如下：1）對于輸入的新聞數據，分別將文本數據和圖像數據輸入對應的特征提取器，獲取文本和圖像兩個層次的特征；2）將學習到的文本和圖像特征作為匹配網絡的輸入，匹配網絡把它們映射到一個新的目標空間中，使用一個匹配度量函數進一步衡量兩個特征在語義上的匹配程度；3）根據匹配網絡的輸出，進而預測新聞內容的真實性。本發明利用不同模態數據的匹配程度來檢測虛假新聞，克服了以往的方法只能檢測特定領域虛假新聞的弊端，使得多模態虛假新聞檢測模型的領域適用性更強。

技術領域

本發明屬于虛假新聞檢測技術領域，具體涉及一種基于偽孿生網絡的虛假新聞檢測方法。

背景技術

社交媒體的發展使得人們獲取信息越來越方便，社交平臺鼓勵用戶積極地參與討論新聞事件和社會熱點話題，為用戶提供了分享、評論、點贊等豐富的社交功能，這帶來了巨大的潛在政治利益和經濟利益，但是也促使了虛假新聞的傳播。在一定程度上，虛假新聞往往比真實新聞在社交網絡上傳播得更快、更遠、更廣泛。

為了減緩虛假新聞對社會造成的負面影響，一些早期的研究者利用機器學習技術實現了虛假新聞的自動檢測，他們將人工設計好的新聞特征作為機器學習模型的輸入，以此來檢測虛假新聞，但這樣的方法往往具有一定的局限性：根據某一領域新聞設計的特征可能無法遷移到其他領域新聞，因為不同領域新聞的寫作風格、內容、詞匯等分布往往是不同的。新聞內容是動態變化的，一些早期人工設計的特征可能并不適用于之后出現的新聞，且虛假新聞制造者極容易利用人工設計的特征來逃避模型的檢測。

由于深度神經網絡在捕獲數據復雜特征方面具有明顯優勢，現在很多研究者都使用深度學習技術對虛假新聞進行檢測。然而，大多數深度學習方法。盡管在特定領域的數據集上有良好的效果，但是并不能在跨領域數據中有效識別出虛假新聞，原因如下：1)供研究者使用的數據集新聞領域過于單一，如FakeNewsNet數據集僅包含政治和娛樂新聞，而現實中的新聞包含多個領域；2)特定領域新聞的語言風格與傳播模式存在明顯差異，現有的模型并不能適應這種差異。因此，如何利用現有領域的新聞數據檢測其他跨領域新聞是一個重要而具有挑戰性的問題。

有鑒于此，有必要提供一種新的虛假新聞檢測方法。

發明內容

本發明的目的在于克服現有技術中存在的至少一個上述問題，提供一種基于偽孿生網絡的虛假新聞檢測方法，利用不同模態數據的匹配程度來檢測虛假新聞，克服了以往的方法只能檢測特定領域虛假新聞的弊端，使得多模態虛假新聞檢測模型的領域適用性更強。

為實現上述技術目的，達到上述技術效果，本發明是通過以下技術方案實現：

本發明提供一種基于偽孿生網絡的虛假新聞檢測方法，該方法的模型主要包括特征提取器和匹配網絡，該方法具體步驟如下：

1)對于輸入的新聞數據，分別將文本數據和圖像數據輸入對應的特征提取器，獲取文本和圖像兩個層次的特征；

2)將學習到的文本和圖像特征作為匹配網絡的輸入，匹配網絡把它們映射到一個新的目標空間中，使用一個匹配度量函數進一步衡量兩個特征在語義上的匹配程度；

3)根據匹配網絡的輸出，進而預測新聞內容的真實性。