[发明专利]虚假信息检测方法、装置、设备及介质

权利要求书

1.一种虚假信息检测方法，包括：

获取待检测的社交媒体信息，其中，所述待检测的社交媒体信息包括待检测图像和第一待检测文本；

在所述待检测图像中包含第二待检测文本的情况下，从所述第一待检测文本和所述第二待检测文本中提取待检测文本特征向量；

结合空间域中的语义特征和频域中的物理特征，从所述待检测图像中提取待检测图像特征向量；

将所述待检测文本特征向量和所述待检测图像特征向量融合，得到待检测融合特征向量；以及

将所述待检测融合特征向量输入预先训练好的分类模型，输出检测结果。

2.根据权利要求1中所述的方法，其中，所述在所述待检测图像中包含第二待检测文本的情况下，从所述第一待检测文本和所述第二待检测文本中提取待检测文本特征向量包括：

利用知识整合的增强表示模型对所述第一待检测文本编码，以便添加待检测文本标识，其中，所述待检测文本标识包括：第一待检测文本的句子、第一待检测文本中句子分隔符、待检测特征向量；

提取所述待检测特征向量，得到第一待检测文本的信息；

在所述待检测图像中包含所述第二待检测文本的情况下，从所述待检测图像中提取关于所述第二待检测文本的信息；

利用文本分隔符，将所述第二待检测文本的信息与所述第一待检测文本的信息进行拼接，得到拼接信息；

从所述拼接信息中提取所述待检测文本特征向量。

3.根据权利要求1中所述的方法，其中，所述结合空间域中的语义特征和频域中的物理特征，从所述待检测图像中提取待检测图像特征向量包括：

将所述待检测图像输入卷积神经网络，输出所述频域中的物理特征的矩阵；

基于所述频域中的物理特征的矩阵，利用长短期记忆模型提取所述空间域中的语义特征，得到权重矩阵；

基于所述频域中的物理特征的矩阵与所述权重矩阵，得到所述待检测图像特征向量。

4.根据权利要求1中所述的方法，其中，所述预先训练好的分类模型通过预先训练的方法得到，所述预先训练的方法包括：

获取在预设时间区间内产生的目标社交媒体信息，其中，所述目标社交媒体信息包括虚假信息、真实信息以及信息标签，所述虚假信息和所述真实信息均包括图像和第一文本；

在所述图像中包含第二文本的情况下，从所述第一文本和所述第二文本中提取文本特征向量；

结合所述空间域中的语义特征和所述频域中的物理特征，从所述图像中提取图像特征向量；

将所述文本特征向量和所述图像特征向量融合，得到融合特征向量；

将所述融合特征向量输入分类模型，得到分类结果；以及

基于所述分类结果和所述信息标签调整所述分类模型的参数，将调参后的分类模型作为所述预先训练好的分类模型。

5.根据权利要求4中所述的方法，其中，所述获取在预设时间区间内产生的目标社交媒体信息包括：

获取在预设时间区间内产生的原始社交媒体信息；

将所述原始社交媒体信息进行预处理，得到预处理后的社交媒体信息；

对所述预处理后的社交媒体信息进行聚类，得到真实信息簇和虚假信息簇；

分别从所述真实信息簇和所述虚假信息簇中筛选，得到所述目标社交媒体信息。

6.根据权利要求5中所述的方法，其中，所述将所述原始社交媒体信息进行预处理，得到预处理后的社交媒体信息包括：

从所述原始社交媒体信息中筛选包括所述图像和所述第一文本的社交媒体信息，得到第一处理后的社交媒体信息；

在所述第一处理后的社交媒体信息包括多个图像的情况下，筛选一个代表图像作为所述图像，得到所述预处理后的社交媒体信息；

和/或

根据预设像素阈值，从所述第一处理后的社交媒体信息中筛选，得到所述预处理后的社交媒体信息。