[发明专利]跨领域虚假新闻检测方法有效

专利信息
申请号: 202110523434.X 申请日: 2021-05-13
公开(公告)号: CN113312479B 公开(公告)日: 2023-05-30
发明(设计)人: 曹娟;王彦焱;谢添 申请(专利权)人: 杭州中科睿鉴科技有限公司
主分类号: G06F16/35 分类号: G06F16/35;G06F16/953;G06N3/0464;G06N3/08
代理公司: 杭州九洲专利事务所有限公司 33101 代理人: 沈敏强
地址: 310015 浙江省杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 领域 虚假 新闻 检测 方法
【说明书】:

发明涉及一种跨领域虚假新闻检测方法。本发明适用于虚假新闻检测领域。本发明的技术方案是: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。

技术领域

本发明涉及一种跨领域虚假新闻检测方法。适用于虚假新闻检测领域。

背景技术

在互联网高速发展的今天,网民群体逐渐扩大,以新浪微博、Twitter等为代表的线上社交媒体平台也如雨后春笋般迅速风行。社交媒体的兴起给人们带来方便的同时,也使得假新闻在网络上大肆传播。虚假信息危害的范围之广,小到个体,大到社会,日益肆虐的谣言传播不但对社会的经济造成影响,还会损害政府、媒体的公信力。

虚假新闻被定义为:故意捏造并可被证实为假的消息。为了方便表达,本文中出现的谣言概念等同于虚假新闻。社交媒体平台中的虚假新闻中包括新闻文本、图片、视频等多模态数据。

目前,虚假新闻检测方法主要分为两大类:基于手工特征的虚假新闻检测方法和基于深度学习的虚假新闻检测方法。

基于手工特征的虚假新闻检测方法侧重于手工特征的提取,主要有三个方面的特征:内容特征、用户特征、传播特征。内容特征主要包括文本长度、情感倾向、主题、Url、tag等,用户特征主要包括粉丝数、关注数、是否认证、性别等,传播特征主要包括转发、评论结构、消息传播网络等。基于手工特征的虚假新闻检测方法特征工程难度大、模型表达能力弱。

基于深度学习的虚假新闻检测方法能自动的学习谣言数据的特征表示,比如虚假新闻文本中特定的语义风格特征,之后将学习到的特征表示输入神经网络分类器中,对新闻的可信度做判断。

目前,主流的虚假新闻检测方法都是通用领域的虚假新闻检测,而虚假信息涉及许多领域,比如军事、社会、医药健康等,不同领域中的虚假新闻具有很大的差异性。比如,军事领域中的谣言事件偏向于战争暴恐、篡改军史、编造军队高管黑点等,而医药健康领域中的谣言事件大多集中于夸大食品药物功效、编造致癌物质组合等。

除此之外,不同领域中虚假新闻的数量也有差异,比如社会领域中的谣言数量多、谣言事件丰富,而军事领域中谣言数量少、谣言事件单一。大多数研究将所有领域等同对待,提取所有领域谣言的共性特征,而不同领域谣言之间既有共性特征也有特性特征,仅仅考虑共性特征无法很好的建模谣言分类任务,除此之外,由于领域间数量分布的差异,数量少的领域中的谣言特征会淹没在大领域中,损害了小领域中的谣言检测性能。

发明内容

本发明要解决的技术问题是:针对上述存在的问题,提供一种跨领域虚假新闻检测方法。

本发明所采用的技术方案是: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包括共性特征提取器、领域类别分类器和谣言分类器,领域类别分类器前连接梯度反转层;

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州中科睿鉴科技有限公司,未经杭州中科睿鉴科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110523434.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top