[发明专利]一种基于写作风格的多任务谣言检测方法、装置及设备在审

专利信息
申请号: 202210032486.1 申请日: 2022-01-12
公开(公告)号: CN114491025A 公开(公告)日: 2022-05-13
发明(设计)人: 万书振;唐斌;董方敏;王梦园;杨广浩 申请(专利权)人: 三峡大学
主分类号: G06F16/35 分类号: G06F16/35;G06F40/211;G06F40/284;G06N3/04;G06N3/08
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 郑朝然
地址: 443002 *** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 写作 风格 任务 谣言 检测 方法 装置 设备
【权利要求书】:

1.一种基于写作风格的多任务谣言检测方法,其特征在于,包括:

获取待检测文本,并确定所述待检测文本对应的内容特征以及写作风格特征;

在多任务检测模型中,将所述内容特征输入至基于内容的谣言检测任务模块,得到所述基于内容的谣言检测任务模块输出的谣言检测结果;

将所述写作风格特征输入至基于写作风格的谣言检测任务模块,得到所述基于写作风格的谣言检测任务模块输出的谣言检测结果;

其中,所述多任务检测模型包括基于内容的谣言检测任务模块和基于写作风格的谣言检测任务模块;

其中,在训练过程中,所述基于内容的谣言检测任务模块和所述基于写作风格的谣言检测任务模块通过共享层进行信息交互,在同时训练所述基于内容的谣言检测任务模块与所述基于写作风格的谣言检测任务模块时基于相同的文本数据集进行训练。

2.根据权利要求1所述的基于写作风格的多任务谣言检测方法,其特征在于,所述将所述内容特征输入至基于内容的谣言检测任务模块,得到所述基于内容的谣言检测任务模块输出的谣言检测结果的步骤包括:

将所述内容特征输入至所述共享层中,得到所述共享层输出的包含共享信息的第一中间向量;

将所述中间向量和所述内容特征拼接后输入至基于内容的谣言检测任务模块中的内容层,得到所述内容层输出包含共享信息和任务独有信息的第二中间向量;

将所述第二中间向量输入至所述基于内容的谣言检测任务模块中的全连接层,得到谣言检测结果。

3.根据权利要求2所述的基于写作风格的多任务谣言检测方法,其特征在于,所述将所述第二中间向量输入至所述基于内容的谣言检测任务模块中的全连接层,得到谣言检测结果的步骤包括:

将每一个时间步的所述第二中间向量经过句子注意力机制加权求和后得到第三中间向量;

将所述第三中间向量输入至所述基于内容的谣言检测任务模块中的全连接层,得到谣言检测结果。

4.根据权利要求1所述的基于写作风格的多任务谣言检测方法,其特征在于,所述将所述写作风格特征输入至基于写作风格的谣言检测任务模块,得到所述基于写作风格的谣言检测任务模块输出的谣言检测结果的步骤包括:

将所述写作风格特征输入至基于写作风格的谣言检测任务模块中的对齐层,得到所述对齐层输出的已对齐的写作风格特征;

将已对齐的写作风格特征输入至所述共享层中,得到所述共享层输出的包含共享信息的计算结果;

将所述计算结果与所述已对齐的写作风格特征输入至所述基于写作风格的谣言检测任务模块中的风格层,得到所述风格层输出的写作风格特征表示;

将所述写作风格特征表示输入至所述基于写作风格的谣言检测任务模块中的全连接层,得到谣言检测结果。

5.根据权利要求1所述的基于写作风格的多任务谣言检测方法,其特征在于,所述确定所述待检测文本对应的内容特征的步骤包括:

将所述待检测文本输入至词向量嵌入模型,得到所述词向量嵌入模型输出的词向量矩阵;

将所述词向量矩阵经过单词注意力机制进行编码后得到所述待检测文本对应的内容特征。

6.根据权利要求1至5任一项所述的基于写作风格的多任务谣言检测方法,其特征在于,所述待检测文本包括推文、微博、文章或评论。

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三峡大学,未经三峡大学许可,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/202210032486.1/1.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