[发明专利]一种基于网络的微博消息可信度判别模型的方法

摘要

本发明是一种基于网络的微博消息可信度判别模型的方法，步骤如下：步骤一：计算先验知识；步骤二：定义网络模式；步骤三：定义元路径并生成网络；步骤四：在异构信息网络上做分类；步骤五：虚假消息识别。本发明的优点及功效：一、将评论网络建模为异构信息网络并在异构信息网络上做分类，这在微博虚假消息识别中是一次创新。二、训练数据不需要标注，节省了人力和时间。三、相比于以往研究中通过最终结果来计算特征的重要性，本发明中将特征权重的计算作为模型的一部分，得到最终分类结果的同时也得到了特征的重要性，并且在分类过程中可以观察到特征权重的变化。四、提高了微博虚假消息识别的准确率。

主权项

一种基于网络的微博消息可信度判别模型的方法，其特征在于：该方法具体步骤如下：步骤一：计算先验知识对于一条评论u，首先计算它在初始状态时是一条虚假评论的可能性yu；在半监督模式中，如果评论u是一条虚假评论，其yu＝1，否则yu＝0；对于未标注的评论，认为其yu＝0；在非监督模式中，评论u在初始状态时是一条虚假评论的可能性yu通过等式(1)计算：yu=1/LΣl=1Lf(xlu)---(1)]]>其中，f(xlu)表示评论u关于特征l是一条虚假评论的可能性，L表示总的特征数量；而f(xlu)是通过等式(2)计算：Xl是评论i关于特征l的随机变量，其对应的概率分布为P；步骤二：定义网络模式根据提取的特征可以定义网络模式，网络模式中描述了不同类型的网络节点以及在网络中各个节点是怎样连接的；步骤三：定义元路径并生成网络对于一条评论u，其关于某个特征l的虚假评论确定性的等级由等式(3)计算：其中，s是等级的个数，这里选择s＝10，也就是说，一共有10个等级，即mul={0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9};]]>如果两条评论u和v，它们关于某个特征l的虚假评论确定性的等级相等，即那么为评论u和评论v之间建立一条关于特征l的元路径，它们之间的元路径的值记为则如果两条评论u和v的虚假评论确定性的等级和不相等，则它们之间就是没有元路径的，它们之间的元路径的值记为对所有评论关于每个特征计算虚假评论确定性的等级，为所有相等等级的两条评论建立元路径，直至生成整个评论网络；步骤四：在异构信息网络上做分类①计算特征权重，得到每个特征在判别模型中的重要性在异构信息网络中，如果两个节点关于某个特征l存在元路径，且已知其中一个节点关于特征l是虚假评论的可能性很高，则另一个节点关于特征l是虚假评论的可能性也很高；在计算特征权重时，只考虑已经被标注为虚假消息评论所作的贡献；为了计算特征l的权重Wl，提出下面等式(4)：Wl=Σu=1nΣv=1nmu,vl*yu*yvΣu=1nΣv=1nmu,vl---(4)]]>其中，n表示评论的数量，表示评论u和评论v通过特征l连接的元路径的值，如果评论u和评论v关于特征l是没有元路径的，则yu和yv是评论u和评论v的先验知识，即，在半监督模式中，初始状态时如果评论u是一条虚假消息评论，其yu＝1，否则yu＝0；对于未标注的评论，认为其yu＝0；在非监督模式中，初始状态时评论u的先验知识是通过等式(1)去计算的；②计算评论是虚假评论的最终概率对于一条未标注的评论u，需要计算其是虚假评论的最终概率，这里我们只考虑其和已经被标注为虚假评论v的关系；如果评论u与虚假评论v之间有元路径，则评论u是虚假评论的可能性Pu，v用等式(5)计算：Pu,v=1-Πl=1L(1-mu,vl*Wl)---(5)]]>则评论u是虚假评论的最终概率Pu通过等式(6)计算：Pu＝avg(Pu，1，Pu，2，...，Pu，r)  (6)其中r表示在异构信息网络中与评论u有元路径的已经被标注为虚假评论的数量；步骤五：虚假消息识别将微博消息的评论分类之后，通过统计各个消息中真假评论所占的比例可以得到一个阈值，它能够将真假消息很好地区分开，如果一个消息中虚假评论数量超过这个阈值，那么这个微博消息就是一个虚假消息。