申请/专利权人：四川大学

申请日：2023-05-11

公开（公告）日：2023-09-19

公开（公告）号：CN116776889A

主分类号：G06F40/30

分类号：G06F40/30;G06F16/951;G06N3/0464;G06N3/042;G06N3/08;G06N5/025

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.10#实质审查的生效;2023.09.19#公开

摘要：本发明公开了一种基于图卷积网络和外部知识嵌入的粤语谣言检测方法，首先采集社交网络平台上的包含原始推文、转推和评论的粤语谣言数据，并严格地进行了人工标注，构建一个较为完善的结构化粤语谣言数据集；其次构建一个有向异质知识图，使用异质图卷积神经网络获取外部知识嵌入；之后使用BERT提取推文的文本特征，并通过对比网络获取推文文本和外部知识的相关性向量；此外使用双向图卷积神经网络获取谣言传播过程中的结构特征；最终，构建了基于嵌入外部知识的双向图卷积神经网络的粤语谣言检测模型BGK，融合文本特征、对比特征和结构特征，实现对粤语谣言的分类。本发明的检测模型具有很好的检测效果，泛化能力强，并具有较好的抗噪声的能力。

主权项：1.一种基于图卷积网络和外部知识嵌入的粤语谣言检测方法，其特征在于，包括以下步骤：步骤1：数据收集与标注：通过爬虫程序爬取某社交网络上包括帖子信息、评论信息、转推结构和用户信息的数据，并完成数据标注的工作，从而构建的粤语谣言数据集；步骤2：特征提取：根据粤语谣言数据集，分析并提取粤语谣言的特征，并为每一条谣言生成特征向量；对于文本特征，构建多领域的粤语语料库，对BERT中文预训练模型进行进一步预训练，使用BERT获取原始推文的文本特征向量；对于结构特征，使用双向图卷积神经网络，获取推文自上而下和自下向上的传播特征，并通过根结点增强，获得谣言传播过程中的结构特征向量；步骤3：外部知识嵌入：基于图卷积神经网络将外部知识嵌入到文本特征；首先构建外部知识图，再使用异质图卷积神经网络提取外部知识的嵌入特征，最后通过对比网络获取外部知识嵌入特征和推文文本特征的对比特征；步骤4：检测模型：将步骤2生成的文本特征向量和结构特征向量，以及步骤3生成的对比特征进行拼接，并将其输入到由BERT、Bi-GCN和对比网络构建的基于图卷积网络和外部知识嵌入的粤语谣言检测模型BGK中，完成对社交网络平台上的粤语谣言的检测。

全文数据：

权利要求：

百度查询： 四川大学 一种基于图卷积网络和外部知识嵌入的粤语谣言检测方法

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