[发明专利]一种信息溯源方法、装置、设备及存储介质

说明书

本申请涉及一种信息溯源方法、装置、设备及存储介质，所述方法包括：分别确定各项转载发布信息对应的转载信息发布平台，提取各项转载发布信息的标题字段信息和转载来源字段信息；基于各转载信息发布平台，以及转载来源字段信息，生成发布信息转载有向图；确定发布与目标话题关联的源发布信息的候选信息发布平台集合；基于标题字段信息，得到与候选信息发布平台对应的标题最长公共子串；将所述标题最长公共子串与相应候选信息发布平台已发布的发布信息的标题字段信息进行匹配，确定与所述目标话题关联的源发布信息以及源信息发布平台。本申请可应用于各类型的信息溯源且易于实现，提高了信息溯源的准确性和效率，进一步提升了用户体验。

技术领域

本申请涉及互联网技术领域，尤其涉及一种信息溯源方法、装置、设备及存储介质。

背景技术

自媒体是普通大众经由数字科技与全球知识体系相连之后，一种提供与分享他们本身的事实和新闻的途径；每天有大量的信息在自媒体平台上发布，其中有一部分为原创信息，也有部分是转载了平台上已有的信息稍加修改并发布，为了保护自媒体平台上原创作者的创作积极性，需要对平台上的相似发布信息进行原创溯源。

现有技术中一般是根据各类文本指纹方法识别具有类似指纹的信息类簇，例如计算标题和正文的哈希值，将哈希值的汉明距离小于某个阈值的信息归为同一类簇，然后计算同一个类簇下不同信息的发布时间戳，并根据发布时间戳将最早发布的信息确定为该类信息的原创信息。对于不同类型的信息，不同的转载平台对原始信息的改动尺度不同，如新闻类信息各平台发布报道的是同一事件，会有较高的相似性；而一般的散文如果被隐性转载后适度修改，则在指纹上的差异会相应更大。通过基于指纹汉明距离衡量信息相似度并进行溯源的方法存在难以确定适当汉明距离阈值的问题，因此亟需提出一种有效的信息溯源方法。

发明内容

本申请所要解决的技术问题在于，提供一种信息溯源方法、装置、设备及存储介质，能够避免因信息指纹的汉明距离阈值选择不当导致的溯源结果不准确的情况，可应用于各类型的信息溯源且易于实现，从而提高了信息溯源的准确性和效率，进一步提升了用户体验。

为了解决上述技术问题，一方面，本申请提供了一种信息溯源方法，所述方法包括：

确定与目标话题关联的多项转载发布信息；

分别确定各项转载发布信息对应的转载信息发布平台，提取各项转载发布信息的标题字段信息和转载来源字段信息；

基于各转载信息发布平台，以及每个转载信息发布平台发布的转载发布信息中的转载来源字段信息，生成发布信息转载有向图；

基于所述发布信息转载有向图，确定发布与所述目标话题关联的源发布信息的候选信息发布平台集合；

基于各转载信息发布平台发布的转载发布信息中的标题字段信息，得到与所述候选信息发布平台集合中的候选信息发布平台对应的标题最长公共子串；

将所述标题最长公共子串与相应候选信息发布平台已发布的发布信息的标题字段信息进行匹配，基于匹配结果确定与所述目标话题关联的源发布信息，从所述候选信息发布平台集合中确定源信息发布平台。

另一方面，本申请提供了一种信息溯源装置，所述装置包括：

转载发布信息确定模块，用于确定与目标话题关联的多项转载发布信息；

字段信息提取模块，用于分别确定各项转载发布信息对应的转载信息发布平台，提取各项转载发布信息的标题字段信息和转载来源字段信息；

有向图生成模块，用于基于各转载信息发布平台，以及每个转载信息发布平台发布的转载发布信息中的转载来源字段信息，生成发布信息转载有向图；

候选信息发布平台集合确定模块，用于基于所述发布信息转载有向图，确定发布与所述目标话题关联的源发布信息的候选信息发布平台集合；