[发明专利]一种基于移动应用内消息传播路径的谣言检测与存证系统在审

专利信息
申请号: 202011219446.5 申请日: 2020-11-04
公开(公告)号: CN112395511A 公开(公告)日: 2021-02-23
发明(设计)人: 姜海鸥;谢欣彤;黄罡;娄帅 申请(专利权)人: 北京大学
主分类号: G06F16/9536 分类号: G06F16/9536;G06Q50/00;G06N3/04;G06N3/08
代理公司: 北京润泽恒知识产权代理有限公司 11319 代理人: 苟冬梅
地址: 100871*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 移动 应用 消息 传播 路径 谣言 检测 系统
【权利要求书】:

1.一种基于移动应用内消息传播路径的谣言检测与存证系统,其特征在于,包括:数据采集模块、传播路径构造与转换模块、基于循环神经网络的特征提取模块、基于卷积神经网络的特征提取模块、传播路径向量分类模块以及可信智能合约模块;

所述数据采集模块用于基于反射的应用内数据获取互操作接口获取应用内数据,从中提取用户发布的消息、所述消息的原始传播路径及传播所述消息的用户具有的用户特征;

所述传播路径构造与转换模块用于对所述消息的原始传播路径进行处理,输出由定长的所述用户特征的向量组成的传播序列;

所述基于循环神经网络的特征提取模块用于基于循环神经网络对所述传播序列进行特征提取,得到第一向量;

所述基于卷积神经网络的特征提取模块用于基于卷积神经网络对所述传播序列进行特征提取,得到第二向量;

所述传播路径向量分类模块包括拼接模块和多层前馈神经网络,所述拼接模块用于对所述第一向量和所述第二向量进行拼接,得到拼接向量,所述多层前馈神经网络用于对所述拼接向量进行处理,得到表征所述消息是否是谣言的预测结果;

所述可信智能合约模块用于记录所述应用内数据的使用申请和调用结果。

2.根据权利要求1所述的系统,其特征在于,所述数据采集模块包括:

燕云中心Yancloud Hub,用于收集应用内数据从中提取用户发布的消息、所述消息的原始传播路径及传播所述消息的用户具有的用户特征。

3.根据权利要求1所述的系统,其特征在于,所述方法还包括:

根据各用户参与所述消息的传播的时间顺序,得到所述消息的原始传播路径,所述原始传播路径中包括多个用户;

所述传播路径构造与转换模块按照以下步骤,对所述消息的原始传播路径进行处理,输出由定长的所述用户特征的向量组成的传播序列:

将所述消息的传播路径中用户替换成对应的所述用户特征的定长向量,输出定长的所述用户特征的向量组成的传播序列。

4.根据权利要求3所述的系统,其特征在于,所述定长的长度为n;所述传播路径构造与转换模块按照以下步骤,将所述消息的原始传播路径转换成定长的所述用户特征的向量组成的传播序列:

若所述消息的原始传播路径长度大于n,则截取所述消息的原始传播路径的前n个元组,得到长度为n的用户特征的向量组成的传播序列;

若所述消息的原始传播路径小于n,则随机从所述消息的原始传播路径中采样,得到长度为n的用户特征的向量组成的传播序列。

5.根据权利要求1所述的系统,其特征在于,所述基于循环神经网络的特征提取模块包括门控循环GRU单元和第一池化单元;所述基于循环神经网络的特征提取模块按照以下步骤,基于循环神经网络对所述传播序列进行特征提取,得到第一向量:

所述GRU单元依次将所述传播序列中的第t个用户向量xt作为输入,并输出第一向量序列;

所述第一池化单元用于对所述第一向量序列做平均池化,得到所述第一向量。

6.根据权利要求1所述的系统,其特征在于,所述基于卷积神经网络的特征提取模块包括卷积神经网络CNN单元和第二池化单元;所述基于卷积神经网络的特征提取模块按照以下步骤,基于卷积神经网络对所述传播序列进行特征提取,得到第二向量:

所述CNN单元将所述传播序列中每个长度为h的序列作为输入,并输出第二向量序列;

所述第二池化单元用于对所述第二向量序列做平均池化,得到所述第二向量。

7.根据权利要求1所述的系统,其特征在于,所述传播序列的长度为10,所述消息的原始传播路径为截止时间前预设时长内所述消息的传播路径的片段,所述预设时长为5分钟。

8.根据权利要求1所述的系统,其特征在于,还包括:

前端展示模块,用于对所述检测结果进行可视化呈现。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学,未经北京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011219446.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top