申请/专利权人：北京中科睿鉴科技有限公司

申请日：2021-09-03

公开（公告）日：2023-01-24

公开（公告）号：CN113849599B

主分类号：G06F16/33

分类号：G06F16/33;G06F16/35;G06F40/126;G06N3/0464;G06N3/048;G06N3/08;G06N5/04

优先权：

专利状态码：有效-授权

法律状态：2023.01.24#授权;2022.01.14#实质审查的生效;2021.12.28#公开

摘要：本发明涉及一种基于模式信息和事实信息的联合虚假新闻检测方法。本发明所采用的技术方案是：一种基于模式信息和事实信息的联合虚假新闻检测方法，其特征在于：从待测新闻中提取模式信息触发词、事实信息触发词和普通词；构建异构图；对异构图使用动态异构图卷积操作，动态更新异构图上两两节点之间的连边权重，生成模式偏好分布和事实偏好分布；基于待测新闻和模式偏好分布得到模式信息感知的聚合向量；基于待测新闻和事实偏好分布得到事实信息感知的聚合向量，并基于事实信息感知的聚合向量和与待测新闻对应的相关证据得到事实信息感知的推理向量；基于模式信息感知的聚合向量和事实信息感知的推理向量判别待测新闻的真实性。

主权项：1.一种基于模式信息和事实信息的联合虚假新闻检测方法，其特征在于：从待测新闻中提取模式信息触发词、事实信息触发词和普通词；构建异构图，该异构图包含三类节点，分别对应模式信息触发词、事实信息触发词和普通词；对异构图使用动态异构图卷积操作，动态更新异构图上两两节点之间的连边权重，生成模式偏好分布和事实偏好分布；基于待测新闻和模式偏好分布得到模式信息感知的聚合向量；基于待测新闻和事实偏好分布得到事实信息感知的聚合向量，并基于事实信息感知的聚合向量和与待测新闻对应的相关证据得到事实信息感知的推理向量；基于模式信息感知的聚合向量和事实信息感知的推理向量判别待测新闻的真实性；所述对异构图使用动态异构图卷积操作，包括：设动态异构图卷积网络有L层，在第l层已完成计算的情况下，即已经得到l层的节点特征矩阵Hl和连边权重矩阵Al，第l+1层的异构图卷积操作如下： 其中是Al的子矩阵，仅包含类型τ节点与其它所有节点的连边权重，T是模式信息触发词、事实信息触发词和普通词三种词项类型名的集合；是Hl的子矩阵；是第l+1层可学习的权重矩阵；ReLU是非线性激活函数，其表达式为ReLUx＝max0,x；连边权重矩阵由下式更新： Al+1＝αAl+1-αΔAl+1其中是用于本层连边权重更新的可学习的权重矩阵，σ代表sigmoid函数，α是用于控制更新幅度的常数；所述生成模式偏好分布和事实偏好分布，包括：对于异构图中第i个节点，其模式偏好得分mPi是所有该节点连边权重之和与事实信息触发词对应节点的连边权重之和的差；对于异构图中第i个节点，其事实偏好得分mFi是所有该节点连边权重之和与模式信息触发词对应节点的连边权重之和的差；用每个节点的偏好得分构成序列，并进行归一化操作，得到模式偏好分布mP和事实偏好分布mF，如下

全文数据：

权利要求：

百度查询： 北京中科睿鉴科技有限公司 基于模式信息和事实信息的联合虚假新闻检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD