[发明专利]一种信息虚假程度的识别方法和装置

权利要求书

1.一种信息虚假程度的识别方法，其特征在于，包括：

接收识别请求，根据所述识别请求获取用户对产品进行评论的待识别信息，并将所述待识别信息转化为待识别异构图；

调取特征计算方法集，计算所述待识别信息中的用户初始特征、评论初始特征、产品初始特征；

将所述待识别异构图、用户初始特征、评论初始特征、产品初始特征输入训练好的神经网络模型，以得到所述待识别信息的虚假程度识别结果；其中，所述神经网络模型是根据已知虚假程度的用户对产品进行评论的历史信息训练得到的。

2.根据权利要求1所述的方法，其特征在于，在接收识别请求之前，还包括：

按照预设频率，对预设时段中的所有评论信息生成所述识别请求；或者，

基于接收到的识别维度信息生成所述识别请求。

3.根据权利要求1所述的方法，其特征在于，将所述待识别信息转化为待识别异构图，包括：

根据所述待识别信息中各个用户信息、评论内容、产品信息，分别确定所述待识别异构图中的用户节点、评论节点、产品节点；其中所述评论节点为待识别节点，所述用户节点与所述产品节点为所述评论节点的邻接节点；

根据所述待识别信息中用户对产品进行评论所指示的用户、评论、产品之间的关联关系，确定所述待识别异构图中用户节点与评论节点的边、评论节点与产品节点的边；

基于所述用户节点、评论节点、产品节点、用户节点与评论节点的边、评论节点与产品节点的边，构建所示待识别异构图。

4.根据权利要求1所述的方法，其特征在于，所述神经网络模型是按照如下方法训练得到的，包括：

调取已知虚假程度的用户对产品进行评论的历史信息，从中选取预设数量的信息作为训练数据；

将所述训练数据转化为包含用户节点、评论节点、产品节点的样本异构图，以作为训练样本；其中，所述评论节点为待识别节点，所述用户节点与所述产品节点均为所述评论节点的邻接节点；并以所述训练数据中历史信息的虚假程度作为所述待识别节点的样本标签；

调取特征计算方法集，计算所述训练数据中的用户初始特征、评论初始特征、产品初始特征，以作为样本特征；

根据所述训练样本、样本标签、样本特征训练得到所述神经网络模型。

5.根据权利要求4任一所述的方法，其特征在于，所述根据所述训练样本、样本标签、样本特征训练得到所述神经网络模型，包括：

对于所述样本异构图中的每一评论节点，确定其邻接用户节点与邻接产品节点；

对于所述邻接用户节点，在所述样本异构图中确定该节点所能到达的其他评论节点以及其他产品节点，结合所述评论初始特征、产品初始特征，调用聚合函数生成所述邻接用户节点的第一用户表示向量；将所述第一用户表示向量与所述邻接用户节点的用户初始特征进行拼接，得到所述邻接用户节点的用户表示向量；

对于所述邻接产品节点，在所述样本异构图中确定该节点所能到达的其他评论节点以及其他用户节点，结合所述评论初始特征、用户初始特征，调用聚合函数生成所述邻接产品节点的第一产品表示向量；将所述第一产品表示向量与所述邻接产品节点的产品初始特征进行拼接，得到所述邻接产品节点的产品表示向量；

将所述样本异构图、用户表示向量、产品表示向量、评论节点的评论初始特征，以及所述样本标签接入多层神经网络，训练得到所述神经网络模型。

6.根据权利要求5所述的方法，其特征在于，调用聚合函数生成所述邻接用户节点的第一用户表示向量，或调用聚合函数生成所述邻接产品节点的第一产品表示向量，包括：

在所述聚合函数中使用注意力机制，生成所述第一用户表示向量或第一产品表示向量。