[发明专利]基于机器学习的虚假信息鉴别方法、系统及存储介质

权利要求书

1.基于机器学习的虚假信息鉴别方法，其特征在于：包括以下步骤：

对待鉴别信息进行分词处理，得到词序列；

对词序列进行词性标注，得到标注序列；

根据词序列和标注序列，生成向量序列；

基于预设的鉴别模型对向量序列进行第一鉴别，得到第一结果；

基于区块链技术对第一结果进行第二鉴别，得到虚假信息鉴别结果。

2.根据权利要求1所述的基于机器学习的虚假信息鉴别方法，其特征在于：还包括获取待鉴别信息的步骤。

3.根据权利要求2所述的基于机器学习的虚假信息鉴别方法，其特征在于：所述获取待鉴别信息这一步骤，包括以下步骤：

获取社交网络信息的日志数据，所述日志数据包括发布时间、转发次数、阅读次数、评论次数、阅读者区域信息以及点赞次数；

根据社交网络信息的日志数据，确定社交网络信息的事件等级，所述事件等级包括热点事件和普通事件；

从热点事件中获取待鉴别信息。

4.根据权利要求3所述的基于机器学习的虚假信息鉴别方法，其特征在于：所述从热点事件中获取待鉴别信息这一步骤，包括以下步骤：

基于预设的语义分析模型，对热点事件进行语义分析，得到语义分析结果；

基于预设的谣言数据库，对语义分析结果进行查重比对，生成重复率；

根据重复率确定待鉴别信息。

5.根据权利要求1所述的基于机器学习的虚假信息鉴别方法，其特征在于：所述基于区块链技术对第一结果进行第二鉴别，得到虚假信息鉴别结果这一步骤，包括以下步骤：

将第一结果上传至区块链，并将第一结果的信息指纹填写到事务消息中；

将所述事务消息广播至区块链网络；

通过区块链网络中的节点对接收到的事务消息进行分析，获取事务消息中的信息指纹；

根据获取到的信息指纹，读取第一结果；

对读取的第一结果进行第二鉴别，得到虚假信息鉴别结果。

6.根据权利要求5所述的基于机器学习的虚假信息鉴别方法，其特征在于：所述基于区块链技术对第一结果进行第二鉴别，得到虚假信息鉴别结果这一步骤，还包括以下步骤：

采用POW共识算法对虚假信息鉴别结果进行打包出块，并将虚假信息鉴别结果上传至区块链。

7.基于机器学习的虚假信息鉴别系统，其特征在于：包括：

分词处理模块，用于对待鉴别信息进行分词处理，得到词序列；

词性标注模块，用于对词序列进行词性标注，得到标注序列；

向量生成模块，用于根据词序列和标注序列，生成向量序列；

第一鉴别模块，用于基于预设的鉴别模型对向量序列进行第一鉴别，得到第一结果；

第二鉴别模块，用于基于区块链技术对第一结果进行第二鉴别，得到虚假信息鉴别结果。

8.根据权利要求7所述的基于机器学习的虚假信息鉴别系统，其特征在于：所述第二鉴别模块包括：

上传单元，用于将第一结果上传至区块链，并将第一结果的信息指纹填写到事务消息中；

广播单元，用于将所述事务消息广播至区块链网络；

分析单元，用于通过区块链网络中的节点对接收到的事务消息进行分析，获取事务消息中的信息指纹；

读取单元，用于根据获取到的信息指纹，读取第一结果；

鉴别单元，用于对读取的第一结果进行第二鉴别，得到虚假信息鉴别结果。

9.基于机器学习的虚假信息鉴别系统，其特征在于：包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6中任一项所述的基于机器学习的虚假信息鉴别方法。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-6中任一项所述的基于机器学习的虚假信息鉴别方法。