[发明专利]在消息交互传播中进行谣言判别的方法及装置

说明书

本发明公开了一种在消息交互传播中进行谣言判别的方法及装置，其涉及人工智能识别技术领域，包括：对帖子的文本信息进行编码，并分析相关联的帖子之间的关系，从而生成消息交互的控制向量a；根据动态时间序列模型捕获交互信息的变化，应用注意力机制将各个时间阶段信息进行聚合，对帖子是否属于谣言进行预测；基于消息交互的控制向量a得到模型总体的损失函数，计算损失函数然后进行梯度回传，从而对提出模型进行训练和拟合，计算得到模型的最优参数网络，使用最优参数网络下的模型对帖子是否属于谣言进行预测。本申请能够通过传播过程中信息交互模式的建模和与交互模式的时序演化特征捕捉时间动态结构匹配以提高谣言判别的准确性。

技术领域

本发明涉及人工智能识别技术领域，特别涉及一种在消息交互传播中进行谣言判别的方法及装置。

背景技术

随着社交媒体平台开放性的提高，未经验证的消息可以轻松地在人与人之间传播，并导致大量的谣言，从而给个人和社会带来巨大威胁。

在过去几年中也有不少人广泛地研究了自动识别和消除谣言，主要集中在两条途径上。一种是按照时间顺序构造顺序表示，然后利用时间特征来捕获动态信号。尽管源消息的内容在传播过程中保持不变，但随着更多人参与传播，不断提供事实线索或进行事实扭曲，会使得讨论话题的真伪性逐渐浮现。另一种现有流行的方法旨在研究谣言扩散的传播结构，但基于传播结构的模型性能稳定性不足。因此，有必要进一步的提高识别谣言的准确性。

发明内容

为了克服现有技术的上述缺陷，本发明实施例中提供了一种在消息交互传播中进行谣言判别的方法及装置，其能够通过传播过程中信息交互模式的建模和与交互模式时序特征的捕捉提高谣言判别的准确性。

本发明实施例的具体技术方案是：

一种在消息交互传播中进行谣言判别的方法，包括以下步骤：

采用离散变分自编码器对帖子的文本信息进行编码，并分析相关联的帖子之间的关系，从而生成消息交互的控制向量a；

根据动态时间序列模型捕获交互信息的变化，应用注意力机制将各个时间阶段信息进行聚合，对帖子是否属于谣言进行预测；

基于消息交互的控制向量a得到模型总体的损失函数，计算损失函数然后进行梯度回传，从而对提出模型进行训练和拟合，计算得到模型的最优参数网络，使用最优参数网络下的模型对帖子是否属于谣言进行预测，以使得模型在进行谣言判别和消息对交互模式表示上更为准确。

优选地，在步骤采用离散变分自编码器对帖子的文本信息进行编码，并分析相关联的帖子之间的关系，从而生成消息交互的形式中，具体包括：

对于每一个推文r，将文字信息转化为单词的序列{ω₁,ω₂,…,ω_n}，提取推文的发布时间t，并查找相对应的转发自的父节点消息r^p；

基于单词的序列{ω₁,ω₂,…,ω_n}，将每一个ω_i映射成一个向量α_i；

基于向量α_i在每个推文上采用卷积层捕获本身的语法信息S_i；

基于语法信息S_i获取与单词级别上上下文有关的帖子c；

根据父节点消息r^p获得相应的父帖子c^p；

基于帖子c和相应的父帖子c^p分析得到潜在的交互模式Z，再将语义信号与潜在的交互模式Z进行合并以得到消息交互的控制向量a。