[发明专利]一种基于搜索引擎返回结果的谣言检测方法及电子装置

说明书

本发明提供一种基于搜索引擎返回结果的谣言检测方法及电子装置，包括：依据一原文的内容，检索得到若干文档及相应发布来源，并从每一所述文档中选取若干单词组成一证据文档；拼接原文、原文发布人与每一证据文档及相应发布来源，得到一文本集合，并将所述文本集合输入到预训练语言模型，得到原文和证据文档之间的相关性特征；依据相关性特征对原文进行分类，判断原文是否为谣言。本发明未使用特征工程和领域知识，从外部证据文章中捕获对谣言检测有帮助的词句，训练数据获得难度极低，准确率优于现有方法。

技术领域

本发明属于计算机领域，尤其涉及一种基于搜索引擎返回结果的谣言检测方法及电子装置。

背景技术

近年来，以预训练语言模型作为基础针对下游任务进行微调然后处理的方式取得了良好的效果。Delvin等人提出了BERT预训练语言模型([66]Devlin J,Chang M W,Lee K,et al.BERT:Pre-training of Deep Bidirectional Transformers for LanguageUnderstanding[C]//Proceedings of the 2019Conference of the North AmericanChapter of the Association for Computational Linguistics:Human LanguageTechnologies,Volume 1(Long and Short Papers).2019:4171-4186.)。BERT通过在海量的语料的基础上运行自监督学习方法为单词学习一个好的特征表示，在以后特定的NLP任务中，可以直接使用BERT的特征表示作为该任务的词嵌入特征。BERT使用了Transformer作为算法的主要框架，Transformer能更彻底的捕捉语句中的双向关系；使用更强大的机器训练更大规模的数据，使BERT的结果达到了全新的高度，其在NLP领域的11个方向大幅刷新了精度。所以BERT提供的是一个供其它任务迁移学习的模型，该模型可以根据任务微调或者固定之后作为特征提取器，可以高效地将其应用到自然语言处理任务中。

谣言原文能够提供的线索有限，而搜索引擎和知识库恰好可以为谣言检测系统提供丰富的外部知识，因此利用搜索引擎或构建知识库在辅助机器进行谣言检测方面具有重要意义。通过提取文档的基本元素并从网站上搜索它们。Popat等人通过评估语言风格(主观词汇的使用情况)，证据文档发布者的可信度以及证据文档的情感立场，利用有监督的分类器进行分类。Popat等人(Popat K,Mukherjee S,Yates A,et al.DeClarE:DebunkingFake News and False Claims using Evidence-Aware Deep Learning[C]//Proceedingsof the 2018Conference on Empirical Methods in Natural LanguageProcessing.2018:22-32)搜索与谣言相关的网络文章，通过词嵌入和双向LSTM来得到文本的语言特征，同时使用注意力机制。将重点放在文章的相关部分上。然后，模型通过全连接层得到预测结果。

采用端到端的模型来进行针对网络搜索证据的可信性评估，无需任何人工干预。现有方法大多基于带有注意力机制的循环神经网络，缺少大规模语义知识。此外，因为BERT是基于大规模语料训练的语言模型，涵盖了大多数语义信息。但是，因为BERT缺少针对谣言特性的信息，直接将BERT用于谣言检测不能得到很好的效果。仍然需要进一步改进。

发明内容

本发明的目的在于提出一种基于搜索引擎返回结果的谣言检测方法及电子装置，模拟人类在发现可疑信息时采取的方法，自动利用搜索引擎返回结果，可以汇总证据上下文，结合这些文章的语言特征及其来源的可信度，还可以利用注意力机制捕捉到对谣言检测有用的信息，从而提高谣言检测准确率。

本发明的技术方案为：

一种基于搜索引擎返回结果的谣言检测方法，其步骤包括：