[发明专利]一种基于低门限集成与文本内容匹配的虚假新闻识别方法

权利要求书

1.一种基于低门限集成与文本内容匹配的虚假新闻识别方法，其特征在于，包括以下步骤：

S1：获取备用新闻文本和虚假新闻文本，所述备用新闻文本划分为训练文本和待测文本，所述虚假新闻文本用以构建揭露语料库；

S2：对所述训练文本、待测文本和所述揭露语料库进行数据统计和处理；

S3：构建若干文本分类稳健的深度学习模型，并设置模型的初始参数；

S4：将所述训练文本送入所构建的深度学习模型进行训练，得到训练完毕的深度学习模型，然后将所述待测文本送入训练完毕的深度学习模型进行判别，并输出判别结果；

S5：将所述判别结果进行集成，得到初步判断新闻真伪的预测标签；

S6：获取分别能够代表所述揭露语料库和所述待测文本的关键词，并对他们进行匹配，然后根据匹配结果修正所述预测标签，得到最终判断新闻真伪的正式标签；

在所述步骤S1中，所述训练文本、所述待测文本和所述虚假新闻文本均为纯文本数据；所述揭露语料库为若干所述虚假新闻文本的集合；

所述步骤S2具体过程为：

S2.1：采用pandas工具包对所述备用新闻文本和所述揭露语料库进行统计，并进行去除重复文本的操作；

S2.2：分别计算出所述训练文本、所述待测文本和所述虚假新闻文本的平均长度；

所述步骤S3中构建所述深度学习模型的具体过程为：

S3.1：选取BERT、XLNet、roberta三个预训练语言模型作为基模型；

S3.2：选取Bi-LSTM、CNN、Linear三个神经网络算法作为备用；

S3.3：构建三个深度学习模型：BERT+CNN+Linear、XLNet+Bi-LSTM+Linear、roberta+Bi-LSTM+CNN+Linear；

所述步骤S3中所述初始参数包括文本长度参数、批尺寸batch size、轮数epochs、优化器optimizer和学习率learning rate；其中，所述文本长度参数设置为步骤S2中计算出的平均长度；

所述步骤S4中对所构建的深度学习模型进行训练的方法为10折交叉验证法，其具体过程为：

S4.1：采用k-fold函数将所述训练文本拆分为10份；其中，9份作为训练集，用于训练；1份作为测试集，用于测试；

S4.2：将所述训练集其中1份数据与所述测试集进行轮换，如此重复后得到10个具有不同测试集的组合；

S4.3：设置甄别的最低门限，若测试集组合中有一个认定所述训练文本为虚假新闻，则得出的测试结果为虚假新闻；

S4.4：保存测试结果为虚假新闻的深度学习模型；

三个不同的深度学习模型均采用所述10折交叉验证的训练方法；

所述步骤S4中所述训练采用的任务层为2-4层的LSTM和1层的CNN；

所述步骤S5中对判别结果进行集成的方法是投票法，将所构建的三个深度学习模型输出的判别结果中超过半数的，作为所述预测标签；

所述步骤S6中修正所述预测标签的具体过程为：

S6.1：利用tf-idf与TextRank对所述揭露语料库进行处理，并进行人工筛选，获取若干能够代表所述揭露语料库的关键词；

S6.2：利用tf-idf与TextRank对所述待测文本进行处理，并进行人工筛选，获取若干能够代表所述待测文本的关键词；

S6.3：将所述揭露语料库的关键词与所述待测文本的关键词进行匹配，根据匹配结果，修正所述预测标签。