[发明专利]基于风格引导的双线性神经网络虚假新闻检测方法及系统

权利要求书

1.一种基于风格引导的双线性神经网络虚假新闻检测方法，其特征在于，包括：

步骤1、获取待网络虚假新闻检测的新闻文本，通过神经网络量化该新闻文本的语言风格特征，得到该新闻文本的风格向量，将该新闻文本输入文本特征提取器，得到该新闻文本的文本向量；其中，该语言风格特征包括该新闻文本的可读性、可信度、交互性、轰动性、逻辑性、规范性、有趣度和结构完整性；

步骤2、将该风格向量和该文本向量输入双线性神经网络，该双线性神经网络包括双线性函数，用于建模该风格向量和该文本向量之间的相关性，以得到该新闻文本的的风格-文本特征矩阵，使用该风格-文本特征矩阵中最大分数向量组成引导向量，并将该引导向量输入至全连接层，判定该新闻文本的虚假新闻标签。

2.如权利要求1所述的基于风格引导的双线性神经网络虚假新闻检测方法，其特征在于，该步骤1包括：

步骤11、将该新闻文本转化为词汇向量拼接而成的向量矩阵其中⊕表示拼接操作，x_i表示该新闻文本中第i个词所对应的词汇向量，i为大于2且小于n的正整数，x_1:n表示长度为n的该向量矩阵；

步骤12、该文本特征提取器为长短期记忆网络，该向量矩阵输入至该长短期记忆网络，得到该向量矩阵中每一个词汇向量的隐状态h_t＝H(h_t-1,x_t)，t小于等于n，h_t为第t个词汇向量的隐状态；

步骤13、通过注意力机制来为每一个隐状态分配权重u_i＝tanh(W_wh_i+b_w)，其中W_w表示权重矩阵，b_w表示偏置，α_i为经过归一化后第i个隐状态的权重；

步骤14、通过加权求和该权重α_i和该隐状态h_t，得到该文本向量f_t为该文本向量。

3.如权利要求1所述的基于风格引导的双线性神经网络虚假新闻检测方法，其特征在于，得到该风格-文本特征矩阵的方法如下：

f_s为该风格向量，f_t为该文本向量，B为该双线性函数，f_b为该风格-文本特征矩阵。

4.如权利要求1所述的基于风格引导的双线性神经网络虚假新闻检测方法，其特征在于，该文本特征提取器为长短期记忆网络或双向长短期记忆网络。

5.如权利要求1所述的基于风格引导的双线性神经网络虚假新闻检测方法，其特征在于，步骤2包括：使用最大池化函数筛选出该风格-文本特征矩阵中最大分数向量组成引导向量。

6.一种基于风格引导的双线性神经网络虚假新闻检测系统，其特征在于，包括：

模块1、获取待网络虚假新闻检测的新闻文本，通过神经网络量化该新闻文本的语言风格特征，得到该新闻文本的风格向量，将该新闻文本输入文本特征提取器，得到该新闻文本的文本向量；其中，该语言风格特征包括该新闻文本的可读性、可信度、交互性、轰动性、逻辑性、规范性、有趣度和结构完整性；

模块2、将该风格向量和该文本向量输入双线性神经网络，该双线性神经网络包括双线性函数，用于建模该风格向量和该文本向量之间的相关性，以得到该新闻文本的的风格-文本特征矩阵，使用该风格-文本特征矩阵中最大分数向量组成引导向量，并将该引导向量输入至全连接层，判定该新闻文本的虚假新闻标签。