[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

说明书

本发明公开了一种基于神经网络的食品安全虚假舆情识别方法，涉及人工智能领域，能够监控网络舆情，筛选出假新闻。所述方法包括：搭建食品风险因子实体库；搭建食品名称实体库；构建动态官方新闻辟谣库；搭建真假新闻神经网络分类模型；输入最新的新闻舆情，通过在食品风险因子实体库和食品名称实体库中的对比查找，将新闻中涉及到的食品名称以及风险因子进标注，对新闻进行初步分类，之后根据官方新闻辟谣库中进行相似度对比，如果未查找到相关辟谣新闻，再利用神经网络模型进行真假新闻分类。

技术领域

本发明涉及人工智能领域，尤其是指一种基于神经网络的食品安全虚假舆情识别方法。

背景技术

目前，网络上每天都会产生大量的有关食品安全相关的新闻舆情报道，如果对这些信息放任不管，不加以监管的话，一些假新闻会造成不必要的社会恐慌，扰乱社会秩序，从而对人们的生产生活造成影响，食品安全监管重点品种安全监测预警综合信息的研究与开发，不仅可以实现食品安全监管重点品种监督抽检与风险监测等数据信息的收集、分析和信息发布，大大提高监管效能，而且可以达到食品安全信息的深度挖掘、充分利用和信息共享的目标，为食品安全监管信息化建设提供有益的经验借鉴，更为食品安全监管部门和消费者规避食品危害提供有力的工具。在监管工程中，能够快速的对新闻舆情进行辟谣，应用自然语言处理技术来帮助进行食品安全监管具有重大的研究意义。

发明内容

本发明是为了筛选出网络上有关食品安全相关的假新闻，提出一种了新闻文本真假分类的方法，以解决目前互联网上的食品安全相关的新闻监控需求，在此处提出的方法能够快速准确的对新闻进行真假分类，大幅提高监控者的工作效率，辅助监控者做出判断。

本发明所提出的方法是：一种基于神经网络的食品安全虚假舆情识别方法，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，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；

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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。