[发明专利]一种基于群智数据融合的假消息早期检测方法

权利要求书

1.一种基于群智数据融合的假消息早期检测方法，其特征在于：

建立评论模型：利用2层GRU单元的Attention-RNN学习评论特征；

建立用户属性模型：利用CNN学习用户属性特征；

建立联合模型：融合两部分特征，得到最终的消息识别结果。

2.根据权利要求1所述的一种基于群智数据融合的假消息早期检测方法，其特征在于：包括以下步骤：

S1：获取社交媒体平台上新闻事件消息的帖子，以及帖子下的评论和发表评论的用户的相关信息；

S2：对新闻事件消息的真假性进行标注；

S3：对新闻事件下的评论做向量嵌入，构成时间序列，通过Attention-RNN学习序列中的特征；

S4：对新闻事件下评论用户做向量嵌入，使用用户的属性信息代表用户，构成用户矩阵，通过CNN学习矩阵中的特征；

S5：将评论和用户属性的特征融合，作为一个新闻事件的特征，通过全连接网络得到识别结果。

3.根据权利要求2所述的一种基于群智数据融合的假消息早期检测方法，其特征在于：所述S2中标注具体为：定义一个新闻事件消息E＝{P，S}，具有新闻事件原文文本P，以及时间序列S＝{s₁，s₂，...，s_n}，其中s_i＝{u_i，t_i，c_i}包含用户u_i在时刻t_i留下的评论c_i，其中u_i＝{a₁，a₂，...，a_n}目标是获得一个预测函数F(s)，使得它满足：

4.根据权利要求2所述的一种基于群智数据融合的假消息早期检测方法，其特征在于：所述S2中标注的新闻事件真假性在新浪微博辟谣平台、Snopes.com、Politifact.org行判别。

5.根据权利要求2所述的一一种基于群智数据融合的假消息早期检测方法，其特征在于：所述S3中首先把新闻事件下的评论按时序排列，将评论按数量分段，在分段之间用TF-IDF算法得到每段的关键词，再用Word2Vec向量作为词的语义嵌入；随后将每个分段输入到2层GRU单元的Attention-RNN网络中，获得评论的特征。

6.根据权利要求2所述的一种基于群智数据融合的假消息早期检测方法，其特征在于：所述S4中将用户按时间排序，把用户属性信息构成用户特征矩阵，通过K个滤波器进行卷积后再池化，得到用户的特征向量。