[发明专利]一种信息虚假程度的识别方法和装置

说明书

本发明公开了一种信息虚假程度的识别方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：接收识别请求，根据识别请求获取用户对产品进行评论的待识别信息，将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，得到待识别信息的虚假程度识别结果；其中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。该实施方式能够将用户对产品进行评论的信息转化为异构图，进而使用图神经网络模型有效融合图结构信息和图中节点特征进行检测，确定评论的虚假程度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种信息虚假程度的识别方法和装置。

背景技术

在大数据时代，对数据的异常检测需求是常见的。异常检测是利用计算机数据挖掘技术找到与正常数据不一致的异常行为或行为序列，异常检测技术可应用于网络安全入侵检测，电商平台评论检测，互联网水军检测，虚假新闻检测等领域。常见的异常检测方法包括(1)基于图结构模型的检测，(2)基于图神经网络模型的检测。

在实现本发明过程中，现有技术中至少存在如下问题：

(1)对于基于图结构模型的检测，常常只考虑图的结构信息，没有融合节点本身的特征信息；

(2)对于基于图神经网络模型的检测，目前模型多适用于同构图，且没有考虑邻接节点是否为伪装节点，使得检测结果不准确。

发明内容

有鉴于此，本发明实施例提供一种信息虚假程度的识别方法和装置，能够将用户对产品进行评论的待识别信息转化为异构图，进而使用图神经网络模型有效融合图结构信息和图中节点的特征进行检测，确定评论的虚假程度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种信息虚假程度的识别方法，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。

可选地，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。

可选地，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。

可选地，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；