申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2023-03-23

公开（公告）日：2023-09-26

公开（公告）号：CN116805145A

主分类号：G06F40/205

分类号：G06F40/205;G06F40/30;G06Q50/00;G06N3/044;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2023.09.26#公开

摘要：本发明公开了基于深度‑广度树形递归神经网络的谣言检测方法，包括谣言深度传播模块、注意力机制模块、谣言广度传播模块，本方法充分利用社交媒体新闻传播的结构化信息与用户评论的语义信息，获取谣言检测的高级语义表示；本方法引入了注意力机制，让模型自动关注有利于谣言检测的关键线索，能够在多分支的谣言深度传播中获取到更有价值的线索，从而有利于实现自动化谣言检测；本方法在使用CNN获取谣言的广度传播信息前，使用一维卷积让模型更多关注每一个评论内部词级间的细粒度信息，能够获得更加精炼的深层句级语义表征，进一步使用多卷积核抽取评论之间广度语义信息，进而提高了检测效率。

主权项：1.基于深度-广度树形递归神经网络的谣言检测方法，其特征在于：包括将新闻传播模式构建为传播树结构，所述传播树结构中的节点为原帖或评论帖；基于深度递归神经网络对所述节点的语义信息进行编码，所述深度递归神经网络均使用基于GRU的内核，所述深度递归神经网络通过自上而下的信息传递进行不断迭代，使得每一个叶子节点均包含深层传播线索的全部信息，所述叶子节点在注意力层基于利于谣言检测的关键线索被更多关注；引入全局注意力机制且将随时间传播的线性结构的注意力进行调整，所述全局注意力机制通过筛选多条深层线索中值得关注的信息，获取所述谣言检测的关键线索，所述注意力的调整对所述谣言传播树中每一条深度传播中的线索给予不同权重，通过对多条线索给与不同的注意力权重让模型获取到多条深层语义的最终表示；基于TextCNN抽取同级节点不同评论的语义获得谣言传播的广度语义表征，所述同级节点为对上一级节点的所有转发和评论节点，利用所述TextCNN对节点内部的词级嵌入进行编码表示，获取到经编码后的新的节点嵌入表示，获取基于所述TextCNN的每一个节点的新的句级表征，并进行相同层节点间的信息交互，通过让当前层的最终结点与下一层的首个结点进行卷积操作，实现在广度语义抽取的同时建立上下层之间的交互，通过选取多卷积核获取丰富的句级间交互，通过卷积操作获取每一个卷积核的输出向量，拼接每一个所述输出向量并采取平均池化操作，获取多层广度语义信息的表征；将深度语义表征与获得的广度语义表征进行拼接，送入到分类器中，进行谣言检测工作。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于深度-广度树形递归神经网络的谣言检测方法

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