[发明专利]一种基于普遍认知与个体认知的虚假新闻检测系统及方法

说明书

本发明公开了一种基于普遍认知与个体认知的虚假新闻检测系统及方法，包括：输入虚假新闻内容序列和若干相关文章序列；捕获一致性句子级序列并将其整合，生成自洽的全局证据序列；捕获相关文章的高层表示，并对其进行过滤，筛选出前k个具有差异性的相关文章，使得虚假新闻与每个筛选的相关文章进行互相交互，挖掘局部证据片段；惩罚生成的全局证据序列与局部证据片段之间的不一致性，实现可解释性虚假新闻的检测。本发明从普遍认知视角来探索相关文章中的全局自洽的证据，从个体认知视角挖掘相关文章中关键证据片段，借助一致性损失对两种证据特征进行约束，从而捕获公共可用的证据来进行可解释性虚假新闻检测。

技术领域

本发明涉及一种基于普遍认知与个体认知的虚假新闻检测系统及方法。

背景技术

由于社交媒体上广泛传播的低可信度新闻，已经严重地影响了社交媒体中受 众群体的正常的网络分享与社交活动，以及社交媒体的健康发展，并受到了IT与 数字网络行业的广泛关注。因此，如何对社交媒体中传播的虚假新闻进行及时有 效地检测，已经成为社交媒体领域的亟需解决的问题。

当前的虚假新闻检测研究可大致分为两类：第一种类型是借助包括SVM、 决策树等算法传统机器学习模型以及CNN、RNN在内的深度学习模型来围绕虚 假新闻内容捕获其N元语法、深层语义、情感、写作风格以及立场等特征，或者 通过学习社交上下文的元数据中基于用户的和基于传播的特征来进行虚假新闻 检测。这类方法所具有的优势是能够充分挖掘出有效特征来提高模型的性能，但 普遍存在的缺点是很难提供一个合理的证据来对虚假新闻的检测结果进行解释。 为了解决这一关键问题，许多研究者进一步致力于可解释的虚假新闻检测方法研 究，通常的做法是通过建立虚假新闻与相关文章的交互模型来探索两者之间的交 互关系，包括一致性序列、相似性语义、显著词特征、相关冲突语义等来作为证 据从而解释虚假新闻的检测结果。这些方法体现了一定的可解释性，但同样存在 着一些缺陷。由于不同的相关文章体现的是不同用户个体的认知，虚假新闻与相 关文章的直接交互通常局限在个体认知视角，而个体认知存在着比较大的局限性， 如认知偏差、确认偏差等片面性。因此，这种直接交互所捕获到的语义包含了许 多主观的、有偏见的、甚至有误导性的证据片段，影响模型检测结果的可解释性。 因此，如何从一个更加全局的视角挖掘出相关文章中的证据片段，并对检测结果 提供合理的解释，则是目前基于可解释性的虚假新闻检测领域中的一个关键问题。

发明内容

本发明的目的在于解决现有技术中的问题，提供一种基于普遍认知与个体认 知的虚假新闻检测系统及方法，本发明从普遍认知视角来探索相关文章中的全局 自洽的证据，从个体认知视角来挖掘相关文章中关键证据片段，借助一致性损失 对两种证据特征进行约束，从而捕获公共可用的证据来进行对虚假新闻检测提供 可解释性。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于普遍认知与个体认知的虚假新闻检测方法，包括以下步骤：

步骤1，输入虚假新闻内容序列和若干相关文章序列；

步骤2，捕获一致性句子级序列并将其整合，生成自洽的全局证据序列；

步骤3，捕获相关文章的高层表示，并对其进行过滤，筛选出前k个具有差 异性的相关文章，使得虚假新闻与每个筛选的相关文章进行互相交互，挖掘局部 证据片段；

步骤4，惩罚生成的全局证据序列与局部证据片段之间的不一致性，实现可 解释性虚假新闻的检测。

本发明进一步的改进在于：

所述步骤1中，通过预训练模型BERT嵌入表示虚假新闻内容序列和第i个相关文章序列其中，p为虚假新闻内容序列的长度，l为第i个 相关文章序列的长度，X＝{x₁，x₂，…，x_l}，每个词x_i是由预训练模型BERT获得的 一个d维向量，且

所述步骤2的具体方法如下：