[发明专利]基于用户生成内容的新闻认证预警方法及系统

权利要求书

1.一种基于用户生成内容的新闻认证预警系统，其特征在于，包括：

新闻线索语义扩展模块，用于获取新闻线索，并对该新闻线索进行语义扩展，获取参考数据；

参考数据定向采集模块，用于对该参考数据进行定向采集，获取信息内容、传输模式、用户群体、用户群体的行为信息和属性信息；

语义知识提取模块，从该信息内容中提取语义知识；

语义知识对比认证模块，对该语义知识进行聚类和相似度计算，识别与历史新闻线索数据库不匹配的新闻线索；

用户群体认证模块，分析用户群体的行为信息和属性信息，提取该行为信息和属性信息的可信度认证要素，获取该用户群体的可信度认证结果R(U)；

信息内容认证模块，用于将信息内容进行逻辑对比认证，将该信息内容反应的情绪、新闻观点进行分类，获取该信息内容认证结果R(M)；

传播模式认证模块，用于挖掘该新闻观点的传播模式，检测具有异常的传播模式，获取该传播模式异常度认证结果R(G)；

预警分级模块，用于根据这些认证结果及其相应的权重，对该新闻线索的可信度进行预警分级。

2.如权利要求1所述基于用户生成内容的新闻认证预警系统，其特征在于，还包括：认证结果展示模块，用于将该用户群体的可信度认证结果R(U)、该信息内容认证结果R(M)、该传播模式异常度认证结果R(G)进行整理和结构化展示。

3.如权利要求1所述基于用户生成内容的新闻认证预警系统，其特征在于，还包括：

该参考数据包括新闻线索标签、源头微博、以及对应的微博信息链接、作者账号；

该信息内容包括，文本内容和多媒体内容；

该语义知识包含该多媒体和文本语义知识，该多媒体语义知识是指从该多媒体内容中提取高稳定性和区分性的视觉指纹；

该预警分级计算公式为：R＝{w₁R(U)+w₂R(G)+w₃R(M)}，其中w₁，w₂，w₃为权重。

4.如权利要求1所述基于用户生成内容的新闻认证预警系统，其特征在于，用户群体认证模块还包括：

识别模块，首先在微博平台中识别与该新闻线索相关的用户群体；

特性分析模块，对该用户群体中的核心人物进行深度分析，总结该核心人物的行为信息和属性信息；

特性提取模块，从该行为信息和属性信息中提取用户粉丝数、用户关注数、用户收藏数，用户互粉数，用户地理位置，用户描述，用户关注、用户粉丝、用户标签、用户互粉认证比例以及用户微博数，构造用户群体认证分析模型。

5.如权利要求1所述基于用户生成内容的新闻认证预警系统，其特征在于，该传播模式认证模块还包括：

分析模块，用于分析该新闻观点的源头微博，以及该新闻观点传播过程中的用户群体；

过滤模块，用于获取该用户群体的评论舆情与传播模式，检测异常或匹配冲突的新闻观点，并进一步过滤该用户群体。

6.一种基于用户生成内容的新闻认证预警方法，其特征在于，包括：

S1，获取新闻线索，并对该新闻线索进行语义扩展，获取参考数据；

S2，对该参考数据进行定向采集，获取信息内容、传播模式、用户群体、用户群体的行为信息和属性信息；

S3，从该信息内容中提取语义知识；

S4，对该语义知识进行聚类和相似度计算，识别与历史新闻线索数据库不匹配的新闻线索；

S5，分析用户群体的行为信息和属性信息，提取该行为信息和属性信息可信度认证要素，获取该用户群体的可信度认证结果R(U)；

S6，对信息内容进行逻辑挖掘，将该信息内容反映出的情绪、新闻观点进行分类，获取该信息内容认证结果R(M)；

S7，对该新闻观点的传播模式进行挖掘，检测具有异常的传播模式，获取该传播模式异常度认证结果R(G)；

S8，根据这些评价结果及其相应的权重，对该新闻线索进行预警分级。

7.如权利要求6所述基于用户生成内容的新闻认证预警方法，其特征在于，还包括：

将该用户群体的可信度认证结果R(U)、该信息内容认证结果R(M)、该传播模式异常度认证结果R(G)进行整理和结构化展示。