[发明专利]跨领域虚假新闻检测方法

权利要求书

1.一种跨领域虚假新闻检测方法，其特征在于：

将新闻文本输入经训练的领域共性特征提取模型，提取新闻文本的领域共性特征，并得出领域共性特征的谣言分类结果；

将同一新闻文本输入经训练的领域特性特征提取模型，提取新闻文本的领域特性特征，并得出领域特性特征的谣言分类结果；

将领域共性特征的谣言分类结果和领域特性特征的谣言分类结果加权求和，得到所述新闻文本经虚假新闻检测的判定结果；

所述领域共性特征提取模型通过领域间对抗训练的方法来学习领域共性的特征表达，该领域共性特征提取模型包括共性特征提取器、领域类别分类器和谣言分类器，使用共性特征提取器作为生成器提取新闻文本的领域共性特征，使用领域类别分类器作为判别器，使用谣言分类器做虚假新闻分类任务，领域类别分类器前连接梯度反转层；

对抗训练中，梯度反传时，判别器向领域分类损失最小化的方向更新，同时在梯度值经过梯度反转层流向生成器时使生成器向领域分类损失最大化的方向更新，以此来使不同领域间特征空间对齐，达到提取领域共享特征的目的。

2.根据权利要求1所述的跨领域虚假新闻检测方法，其特征在于：所述梯度反转层在网络的正向传播时公式为R(x)＝x，在梯度求导时为其中λ为超参，I为单位矩阵。

3.根据权利要求1或2所述的跨领域虚假新闻检测方法，其特征在于：使用textCNN作为共性特征提取器；采用多层全连接层作为领域类别分类器；采用多层全连接层作为谣言分类器。

4.根据权利要求1所述的跨领域虚假新闻检测方法，其特征在于：所述领域特性特征提取模型包括特性特征提取器、领域类别分类器和谣言分类器；

使用特性特征提取器提取新闻文本的领域特性特征，使用领域类别分类器作为判别器，使用谣言分类器做虚假新闻分类任务。

5.根据权利要求1所述的跨领域虚假新闻检测方法，其特征在于：所述特性特征提取器使用自注意力机制，将自注意力机制的query设为领域描述子用来知道提取器在不同领域中对不同词汇的关注度。

6.根据权利要求1或4所述的跨领域虚假新闻检测方法，其特征在于：所述领域类别分类器和谣言分类器均采用交叉熵作为损失函数。

7.一种跨领域虚假新闻检测装置，其特征在于：

共性特征提取及谣言分类模块，用于将新闻文本输入经训练的领域共性特征提取模型，提取新闻文本的领域共性特征，并得出领域共性特征的谣言分类结果；

特性特征提取及谣言分类模块，用于将同一新闻文本输入经训练的领域特性特征提取模型，提取新闻文本的领域特性特征，并得出领域特性特征的谣言分类结果；

真实性判定模块，用于将领域共性特征的谣言分类结果和领域特性特征的谣言分类结果加权求和，得到所述新闻文本经虚假新闻检测的判定结果；

所述领域共性特征提取模型通过领域间对抗训练的方法来学习领域共性的特征表达，该领域共性特征提取模型包括共性特征提取器、领域类别分类器和谣言分类器，使用共性特征提取器作为生成器提取新闻文本的领域共性特征，使用领域类别分类器作为判别器，使用谣言分类器做虚假新闻分类任务；

对抗训练中，梯度反传时，判别器向领域分类损失最小化的方向更新，同时在梯度值经过梯度反转层流向生成器时使生成器向领域分类损失最大化的方向更新，以此来使不同领域间特征空间对齐，达到提取领域共享特征的目的。

8.一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～6任意一项所述跨领域虚假新闻检测方法的步骤。

9.一种计算机设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～6任意一项所述跨领域虚假新闻检测方法的步骤。