[发明专利]一种基于地域与情感特征的微博谣言集成识别方法及装置

权利要求书

1.一种基于地域与情感特征的微博谣言集成识别方法，其特征在于，包括以下步骤：

(A)计算机对采集到的互联网微博数据进行清洗、打标；

(B)对已经完成打标操作的数据进行特征工程操作，在常用特征的基础上构造出地域相关性、情感一致性和用户可信度三个新特征，使用卡方检验对所有特征的有效性进行验证并进行有效性排序，通过特征工程进行特征筛选；

(C)采用堆叠方法作为集成学习的组合策略，构造谣言识别模型；

(D)输入待检测数据，得到每条信息为谣言的可能性大小；

所述用户可信度特征的具体构造步骤包括：

根据用户是否认证f_verified、基本信息是否完整f_{InfoIntegrity}以及用户影响力f_influence(u_i)计算得到用户可信度，其计算公式如下：

f_credibility(u_i)＝f_verified+f_influence+f_{InfoIntegrity}；

f_verified表示用户是否认证，取值为0或1；f_{InfoIntegrity}表示用户的基本信息是否完整，基本信息包括用户昵称、用户注册地、个人描述、性别和头像信息，取值为0或1；f_influence表示用户影响力；

所述步骤(B)的情感一致性特征的具体构造步骤包括：

分别对每条微博内容及其相关评论进行分词处理，去停用词，得到微博内容的词向量集合m_i表示第i条微博的词向量集合，表示该微博所分得的词语；

相对应的微博下每条评论的词向量集合表示第i条微博下的第j条评论的词向量集合，表示该条评论所分得的词语；

分别将微博内容的词向量集合m_i和相对应的微博下每条评论的词向量集合与大连理工大学的情感词汇本体库中的情感词进行词语匹配以得到每条信息中积极情感词与消极情感词的个数，得到该条消息或评论的情感倾向公式如下：

S＝C_pos-C_neg

S表示当前词集合的情感倾向，C_pos表示积极情感词数，C_neg表示消极情感词数，由此可得：

SO表示该词向量集合最终的情感倾向，1表示积极情感倾向，-1表示消极情感倾向，0表示中立；计算微博m_i下每条评论的情感倾向后利用如下公式计算评论的总体倾向：

最后，对比微博及其对应的评论的情感倾向，得到情感一致性特征；

所述地域相关性特征的具体构造步骤包括：

采用欧氏距离计算全国各地级市之间的距离，得到距离矩阵，欧氏距离计算公式如下：

dist(x,y)表示城市x与城市y之间的距离，而城市x的坐标为(x₁,x₂)，城市y的坐标为(y₁,y₂)；

针对用户注册地域与所发布的微博内容中地域的不同，设置距离阈值。

2.根据权利要求1所述的一种基于地域与情感特征的微博谣言集成识别方法，其特征在于，所述用户影响力的计算步骤包括：

根据用户的粉丝数、互相关注数计算得到用户影响力f_influence(u_i)，公式如下：

其中，u_i表示发布微博i的用户，C_bifolowers表示用户u_i的互相关注数，C_followers表示用户u_i的粉丝数。