[发明专利]基于证据推断网络的虚假新闻可解释性检测系统及方法

说明书

本发明公开了一种基于证据推断网络的虚假新闻可解释性检测系统及方法，包括：输入虚假新闻内容序列、所有相关文章的拼接序列以及若干不同的单个相关文章序列；使虚假新闻内容序列与所有的相关文章特征进行交互，捕获两种类型的序列特征；将整体观点序列与每个相关文章的序列进行互相交互，探索每个相关文章中细粒度的潜在的序列冲突；将核心序列片段与潜在的序列冲突进行一致性建模，脾胃围绕虚假新闻的核心序列片段的冲突，进行可解释性虚假新闻的检测。本发明细粒度地聚焦待检测新闻的虚假核心语义片段，从相关文章中探索可解释的证据，从而提升虚假新闻检测的可解释性。不仅提高了假新闻检测性能，还提供了有效的证据实现检测结果的可解释性。

技术领域

本发明涉及一种基于证据推断网络的虚假新闻可解释性检测系统及方法。

背景技术

研究显示，尽管虚假新闻的占比只相当于所有媒体新闻总消费的1％，但在 社交媒体中虚假新闻的与所有推文新闻的比值高达6％。因此，对社交媒体上的 虚假新闻进行准确高效地检测，阻止他们的传播与扩散，并寻找到相关的证据对 他们进行辟谣，是当前社交媒体分析领域一项非常关键的任务。

虚假新闻检测是当今工业界和学术界面临的一项艰巨而富有挑战性的任务。 以前的研究致力于围绕待检测新闻的文本内容以及其相关的元数据特征来抽取 各种丰富的语言语义特征以及人工提取的特征，其已经实现了比较出色的性能。 但是，这些方法存在着普遍的缺陷，即很难对虚假新闻的检测结果提供有效的解 释，通俗的讲，也就是为什么将一个新闻检测为假，其究竟哪里出错了？对于这 个问题，当前的研究开始聚焦于可解释性的虚假新闻检测，其通过构建虚假新闻 及其相关文章之间的交互，并寻求他们之间的冲突或质疑语义来作为证据，并解 释相应的检测结果。当前探索构建一个交互模型来解决可解释性虚假新闻检测任 务是一个比较合理的思路，主要原因在于：不同的相关文章，作为不同用户对具 体新闻的意见，即使有时无法具体地揭示出为什么这个新闻是虚假的，但往往容 易对虚假新闻的错误部分提出质疑，这些相关文章类似于“众包”辟谣。然而， 这些方法通常忽略了这样一个事实，也就是捕获的冲突语义并不都是围绕虚假新 闻的虚假部分而展开的，也包含了对一些新闻的非虚假的部分的质疑语义，这就 使得通过很多冲突或质疑语义作为证据来解释虚假新闻的检测结果是不够细粒 度的。因此，如何捕获虚假新闻与相关文章之间的冲突语义从而聚焦虚假新闻中 细粒度的核心虚假部分，这也是虚假新闻可解释性研究的核心问题。

发明内容

本发明的目的在于解决现有技术中的问题，提供一种基于证据推断网络的虚 假新闻可解释性检测系统及方法，

为达到上述目的，本发明采用以下技术方案予以实现：

基于证据推断网络的虚假新闻可解释性检测方法，包括以下步骤：

步骤1，输入虚假新闻内容序列、所有相关文章的拼接序列以及若干不同的 单个相关文章序列，通过BiLSTM分别捕获三者内部的上下文隐层序列表示；

步骤2，使虚假新闻内容序列与所有的相关文章特征进行交互，捕获两种类 型的序列特征，聚焦虚假新闻内容中用户关心的核心序列片段，学习相关文章中 所有用户的整体观点序列；

步骤3，将整体观点序列与每个相关文章的序列进行互相交互，探索每个相 关文章中细粒度的潜在的序列冲突；

步骤4，将核心序列片段与潜在的序列冲突进行一致性建模，脾胃围绕虚假 新闻的核心序列片段的冲突，从而进行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的具体方法如下：

BiLSTM模型对输入虚假新闻内容序列、所有相关文章的拼接序列以及若干 不同的单个相关文章序列进行编码，并采用最后一个步骤的隐藏层向量e_i作为每 个序列的上下文表示；