[发明专利]假新闻检测方法、电子装置及计算机可读存储介质有效
申请号: | 201910570455.X | 申请日: | 2019-06-27 |
公开(公告)号: | CN110275965B | 公开(公告)日: | 2021-12-21 |
发明(设计)人: | 周稚璇 | 申请(专利权)人: | 卓尔智联(武汉)研究院有限公司 |
主分类号: | G06F16/36 | 分类号: | G06F16/36;G06F40/30;G06F40/289 |
代理公司: | 深圳市赛恩倍吉知识产权代理有限公司 44334 | 代理人: | 陈敬华;饶智彬 |
地址: | 430000 湖北省武汉市黄陂区盘龙城经*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 新闻 检测 方法 电子 装置 计算机 可读 存储 介质 | ||
1.一种假新闻检测方法,应用于电子装置中,其特征在于,所述方法包括:
构建事实新闻的知识图谱;
根据用户通过终端设备输入的对所述知识图谱的更改信息,发布所述更改信息是否通过的投票页面;
根据每个投票用户的相关信息确定所述投票用户的总投票权重值,确定每个投票用户的投票数量为所述总投票权重值,并根据所有投票用户的投票数量与投票选项统计所述投票页面的投票结果,以确定赞成票与反对票之间的比例,当所述投票结果中赞成票与反对票之间的比例大于预设比例值时,确定所述更改信息通过;
当所述更改信息基于其他用户在所述投票页面的投票而通过时,根据所述更改信息对所述知识图谱进行更新;
根据输入的待检测的新闻文本生成新闻文本的摘要,所述新闻文本的摘要至少包括标题、来源及正文,所述生成新闻文本的摘要包括:将待检测新闻文本分割为多个语句,对所述多个语句进行分词及删除停止词处理,根据经过分词及删除停止词处理而产生的词语,采用机器学习的方法确定每一语句的权重值,将所述多个语句根据权重值进行排序,选取权重值较高的预设数量的语句作为候选语句,根据字数或语句数量的要求,从候选语句中提取语句组成所述新闻文本的摘要;
识别所述新闻文本摘要中的实体及实体之间的关联关系;及
将识别到的实体及实体之间的关联关系与知识图谱中的事实新闻进行比对,确定待检测的新闻文本与知识图谱中的事实新闻之间的相似度;及
当待检测的新闻文本与知识图谱中的事实新闻之间的相似度小于或等于第一预设值时,判定所述待检测的新闻文本中的新闻为假新闻。
2.如权利要求1所述的假新闻检测方法,其特征在于,所述方法还包括:
当待检测的新闻文本与知识图谱中的事实新闻之间的相似度大于或等于第二预设值时,判定所述待检测的新闻文本中的新闻为事实新闻;及
当待检测的新闻文本与知识图谱中的事实新闻之间的相似度大于所述第一预设值且小于所述第二预设值时,输出不确定所述待检测的新闻是否真实的提示信息。
3.如权利要求1所述的假新闻检测方法,其特征在于,步骤“构建事实新闻的知识图谱”具体包括:
接收用户通过终端设备输入的与实时新闻相关的信息;及
将所述与实时新闻相关的信息填充至预设的知识图谱框架以生成事实新闻的知识图谱。
4.如权利要求1所述的假新闻检测方法,其特征在于,步骤“根据用户通过终端设备输入的对所述知识图谱的更改信息,发布所述更改信息是否通过的投票页面”具体包括:
接收用户通过终端设备输入的对所述知识图谱的更改信息;
发布所述更改信息是否通过的投票页面,其中,所述投票页面包括赞成选项与反对选项;
统计所述投票页面的投票结果以确定赞成票与反对票之间的比例;及
当所述投票结果中赞成票与反对票之间的比例大于预设比例值时,确定所述更改信息通过。
5.如权利要求1所述的假新闻检测方法,其特征在于,步骤“识别所述新闻文本摘要中的实体及实体之间的关联关系”具体包括:
对所述新闻文本摘要中的语句进行分词与词性标注,采用深度学习模型识别出语句中的多个实体。
6.如权利要求5所述的假新闻检测方法,其特征在于,步骤“识别所述新闻文本摘要中的实体及实体之间的关联关系”还包括:
生成所述新闻文本摘要中语句的句法分析树;
根据生成的句法分析树获取语句的词法信息、句法信息及语义信息;及
根据语句的词法信息、句法信息及语义信息提取出所述多个实体之间的关联关系。
7.如权利要求1所述的假新闻检测方法,其特征在于,所述知识图谱包含多个实体及多个实体之间的关联关系,步骤“将识别到的实体及实体之间的关联关系与知识图谱中的事实新闻进行比对”具体包括:
将识别到的所述新闻文本摘要中的实体及实体之间的关联关系与所述知识图谱中的实体及实体之间的关联关系分别进行比对。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于卓尔智联(武汉)研究院有限公司,未经卓尔智联(武汉)研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910570455.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于知识图谱与循环神经网络的推荐模型
- 下一篇:一种知识抽取方法及装置