申请/专利权人:中国人民解放军国防科技大学
申请日:2021-05-28
公开(公告)日:2022-09-16
公开(公告)号:CN113177110B
主分类号:G06F16/33
分类号:G06F16/33;G06K9/62;G06N3/04;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2022.09.16#授权;2021.08.13#实质审查的生效;2021.07.27#公开
摘要:本申请涉及一种虚假新闻检测方法、装置、计算机设备和存储介质。所述方法包括:将新闻内容低维矢量输入到基于注意力加权的双向GRU网络,通过注意力机制得到隐状态加权和信息;将隐状态加权和信息输入到基于注意力加权的CNN网络,得到新闻内容特征加权和信息;将辅助信息低维矢量输入到基于注意力加权的CNN网络,得到辅助信息特征加权和信息;将新闻内容特征加权和信息和辅助信息特征加权和信息融合后输入到全连接层,得到新闻的预测虚假度。本发明的模型结合了双向GRU和CNN,通过将文本和元数据相结合来提取全局和局部特征,同时多部分部署注意机制,突出关键特征,提高了虚假新闻辨别能力。
主权项:1.一种虚假新闻检测方法,其特征在于,所述方法包括:获取新闻内容,将所述新闻内容输入到虚假新闻检测模型中,所述虚假新闻检测模型包括:词嵌入生成部分、基于注意力加权的双向GRU网络、基于注意力加权的CNN网络,以及全连接层;通过词嵌入生成部分,将所述新闻内容预处理后得到的文本序列转换为新闻内容低维矢量;将所述新闻内容低维矢量输入到所述基于注意力加权的双向GRU网络,通过双向GRU网络得到全局信息矩阵,通过注意力机制计算所述全局信息矩阵中每个项的权重,得到隐状态加权和信息;将所述隐状态加权和信息输入到所述基于注意力加权的CNN网络,通过所述CNN网络中不同粒度的滤波器对所述隐状态加权和信息进行滤波得到新闻内容特征映射图,通过注意力机制计算所述新闻内容特征映射图中每个项的权重,得到新闻内容特征加权和信息;获取辅助信息,将所述辅助信息预处理后得到的文本序列转换为辅助信息低维矢量,将所述辅助信息低维矢量输入到所述基于注意力加权的CNN网络,通过所述CNN网络中不同粒度的滤波器对所述辅助信息低维矢量进行滤波得到辅助信息特征映射图,通过注意力机制计算所述辅助信息特征映射图中每个项的权重,得到辅助信息特征加权和信息;将所述新闻内容特征加权和信息和所述辅助信息特征加权和信息进行融合,得到融合特征矩阵,将所述融合特征矩阵输入到所述全连接层进行检测,通过激活函数得到所述新闻内容的预测虚假度;根据预先构建的损失函数和所述预测虚假度,对所述虚假新闻检测模型进行训练,得到训练好的虚假新闻检测模型,通过训练好的虚假新闻检测模型进行虚假新闻的多类检测。
全文数据:
权利要求:
百度查询: 中国人民解放军国防科技大学 一种虚假新闻检测方法、装置、计算机设备和存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。