[发明专利]一种基于神经网络的食品安全虚假舆情识别方法

权利要求书

1.一种基于神经网络的食品安全虚假舆情识别方法，其特征是，包括以下步骤：

步骤1、构建底层知识库，包括食品名称数据库以及食品风险因子数据库；

步骤2、构建实时更新的官方新闻辟谣库；

步骤3、构建双向长短时记忆网络与条件随机场相结合的方法作为实体识别的神经网络模型，利用已经正确标注出实体名称以及风险因子名称的新闻语料进行训练，得到最终模型；预测时以新闻语料序列的向量表示作为输入，首先通过实体识别标注出文本中所涉及到的实体名称，根据底层知识库进行匹配，之后根据匹配到的信息得到对于序列的标注结果作为输出；根据标注结果得到新闻中涉及的食品名称以及风险因子名称，结合底层知识库判断标注结果是否可靠，初步确定新闻的真假性；从官方辟谣库中获取证据支持，对于证据充足的文本直接给出判断结果，对于证据不充足的文本则转换为向量表示，输入到神经网络分类模型中；

步骤4、构建卷积神经网络模型作为新闻舆情分类模型，利用已经正确标注真假的新闻语料进行训练得到卷积神经网络分类模型，在利用神经网络预测时，以步骤3中的标注结果作为输入，最终得到新闻舆情的真假分类作为输出；

还包括：训练两个神经网络模型，包括识别食品实体名称以及风险因子名称的双向长短时记忆网络模型和条件随机场模型，以及用于新闻舆情分类的卷积神经网络模型；在开始训练时，随机初始化权重，在通过神经网络计算得到最后一层结果后，计算预测值与真实值之间的交叉熵作为损失函数，利用自适应矩估计算法最小化损失函数，根据训练过程调整学习率的大小；在训练过程中，为了提高训练效率，每次输入一个批次的数据，同时为了防止出现过拟合，在训练过程中随机将一定比例的权重值置为0。

2.根据权利要求1所述的基于神经网络的食品安全虚假舆情识别方法，其特征是：

所述食品名称数据库包括现存食品的名称，包括粮食加工品，食用油、油脂及其制品，调味品，肉制品，乳制品，饮料，方便食品，饼干，罐头，冷冻饮品，速冻食品，薯片及膨化食品，糖果制品，茶叶及相关制品，酒类，蔬菜制品，水果制品，炒货食品及坚果制品，蛋制品，可可及烘焙咖啡产品，食糖，水产制品，淀粉及淀粉制品，糕点，豆制品，蜂制品，保健食品，特殊膳食食品，特殊医学用途配方食品，婴幼儿配方食品，餐饮食品，食用农产品，食品添加剂的食品名称；对于一些新产生的食品，通过定期更新及时补充进食品名称数据库中。

3.根据权利要求1所述的基于神经网络的食品安全虚假舆情识别方法，其特征是：

所述食品风险因子是指在食品中需要被监测含量是否超标的物质，食品风险因子数据库中的食品风险因子名称包括：铅，苯甲酸，亚硝酸盐，日落黄，菌落总数，不同食品对应的食品风险因子名称不同；对于一些新定义或者新发现的风险因子，通过定期更新及时补充进风险因子数据库。

4.根据权利要求1所述的基于神经网络的食品安全虚假舆情识别方法，其特征是：

训练双向长短时记忆网络以及条件随机场模型作为能够准确识别食品名称以及食品风险因子名称的实体识别模型。

5.根据权利要求1所述的基于神经网络的食品安全虚假舆情识别方法，其特征是：

所述步骤1中，在构建好食品名称数据库以及食品风险因子数据库后，对两个底层知识库直接的关系进行连接，对每一个食品需要检测的食品因子进行关联，并记录最大含量的值。

6.根据权利要求1所述的基于神经网络的食品安全虚假舆情识别方法，其特征是：

步骤3中，对新闻舆情进行标注，标注的内容包括新闻舆情中所涉及到的食品名称以及食品风险因子名称，根据标注结果以及官方新闻辟谣库对新闻舆情真假性进行初步的判断。

7.根据权利要求1所述的基于神经网络的食品安全虚假舆情识别方法，其特征是：

训练卷积神经网络模型作为新闻舆情真假的分类模型，将新闻语料转换为向量表示，作为神经网络的输入，训练神经网络分类模型，利用卷积神经网络搭建模型，通过已有的新闻语料训练得到最终模型；模型最终输出结果是新闻舆情的真假。