[发明专利]一种基于特征聚合的社交网络谣言鉴别方法

权利要求书

1.一种基于特征聚合的社交网络谣言鉴别方法，其特征在于，包含以下步骤：

步骤1，根据所需的检测时效性要求，将数据集中的各个样本进行分割；将社交网络中的消息传播描述为事件的集合E＝{E_i}，事件集合中的任意一个事件是一系列与事件相关的消息的集合Ei＝{(m_ij,p_ij,t_ij,l_ij)}，每一条消息都有一个表明其发布时间的时间戳t_ij以及其消息来源p_ij，即消息m_ij转发自消息p_ij，在传播图拓扑结构中，p_ij是m_ij的父节点，l_ij是节点m_ij所在层次；设置谣言检测时效性指标h，为整型常数，表示在事件发生后h小时对事件进行谣言鉴别；每一个事件发生时的时间点为0，保留事件样本从0时刻起，到h小时之间的转发关系，并根据转发关系构建传播图；传播图中，根节点为原始事件的传播者，该条信息的转发者以及类似信息转发者作为根节点的子节点，以此类推构建事件的传播拓扑结构图；

步骤2，根据步骤1所得的数据集，提取每一个事件传播样本的时序传播模式特征；

步骤3，将步骤2中的传播模式特征作为训练输入，构建基于二维卷积神经网络的端到端子模型，其中，二维卷积神经网络模型架构中由下至上可依次划分为2个子层：

子层一、样本数据结构化层：该层将各个样本中所有相关消息按所在传播图中的4个拓扑层级和发布的时间戳映射到对数时间区间，区间数为N，顺序统计个区间中消息数量，各个样本被转化为行数为4列数为N的特征矩阵；

子层二、特征提取层：包括两组卷积层、池化层和Sigmoid激活层,处理特征矩阵使用的二维卷积神经网络的两组卷积层为二维卷积核，2组间感知野大小不同，池化层对特征图各行进行最大池化；

步骤4，根据步骤1所得的数据集，提取每一个事件传播样本的文本内容特征，具体是将样本中消息按发表时间次序均分为W组，W默认为20，每组中消息数量之差不超过1；此后将各组分别视为一个文档，计算各组中出现词在所有样本的所有分组语境下的TF-IDF值，每个分组中选取TF-IDF值前K大的词作为代表本组文本数据的关键特征词；

步骤5，根据步骤4中的样本关键词，构建RNN子模型；针对文本特征的RNN模型从下至上分为2个子层：

子层一、样本数据结构化层：在本子层中，同一个事件中的W个消息文档中的K个关键词首先进入嵌入层(embedding layer)，并得到K个关键词的对应词向量，词向量的长度固定为100；计算K个词向量的均值作为当前文档的特征向量，词向量参与模型的权值更新；

子层二、特征提取层：采用双向门限RNN模型(Gated Recurrent Unit，GRU)，输入由K个长度为100的特征向量组成的向量流构成，每个向量流对应一个迭代单元；

步骤6，根据步骤3和步骤5中的2个子模型，构建特征聚合的谣言鉴别模型，具体是将2个子模型顶层全连接层移除，将子模型全连接层之前的一维中间特征向量进行横向拼接，得到新的一维中间特征向量，并将其重新接入全连接层；模型的输出层为一个神经元，输出值使用sigmoid函数作为激活函数，将预测值映射至0～1间的实数，表示分类置信度；模型在逆向传播时，采用二类交叉熵(Binary Cross Entropy，BCE)作为损失函数；

所述步骤2的具体实现方法是：记事件E_i的最早的消息发布时间为TimeFirst_i，当前时效范围内最晚的消息发布时间为TimeLast_i，将事件E_i的传播周期划分为N个等长时间间隔区间；对时间段按底数为10的对数划分，将各节点时间戳映射到对数空间，使得在传播周期中靠后的区间的时间间隔更长，如式(1)和式(2)所示：

其中，Interval(·)表示事件被划分为N个等长时间区间的长度，N默认值为100，可根据实际样本长度调整，TimeStamp(·)表示消息所在的时间区间索引；

将传播拓扑图中前4层节点新增数量的时序体量作为传播模式特征，即事件E_i的传播模式特征表示为：

SeriesTop(E_i)＝(ST_i¹,ST_i²,ST_i³,ST_i⁴) (3)

其中，SeriesTop(·)表示事件的传播模式特征，ST^L表示第L层上的时序体量，n为特征长度，默认为100。

2.根据权利要求1所述的一种基于特征聚合的社交网络谣言鉴别方法，其特征在于，所述步骤3特征提取层中，第1组卷积层中包含8个大小为2×3的卷积核，并且在特征矩阵的各行进行长度为1的零填充，各列不进行填充，因此在大小为4×M的特征矩阵上进行卷积操作后得到8个大小为3×M的特征图，经过第1层最大池化操作后转化为8个长度为行数为3，列数为M/2的特征图；第2组卷积层共有16个大小为3×3的卷积核，并且在特征矩阵的各行进行长度为1的零填充，各列不进行填充，由上层特征图生成16个长度为行数为1，列数为M/2的特征图，经过第2层最大池化操作后转化为16个长度为M/4的一维特征图.最终的特征图拼接后生成一长度为4M的一维中间特征向量。