申请/专利权人：南京邮电大学

申请日：2023-05-12

公开（公告）日：2023-11-10

公开（公告）号：CN117034070A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/25;G06F40/126;G06F40/242;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本发明公开了一种基于深度学习的社会网络不实言论的智能检测方法，包括，收集一个时间段的社交网络上的所有消息的文本信息，回复文本信息和拓扑信息并进行文本预处理操作；将消息的文本信息输入局部信息编码器，输出消息的文本信息特征向量；将消息构成的社交网络拓扑图拓扑信息输入全局信息编码器，输出消息的拓扑信息特征向量；将消息的文本信息特征向量和拓扑信息特征向量拼接在一起，得到融合特征向量；将融合特征向量输入线性网络，输出最终的预测向量。本发明在使用固定长度样本在保证训练效率的前提下，通过融合网络消息内容、其回复消息内容和消息在传播图中的拓扑信息，大大增强了模型特征提取能力，克服了模型特征提取能力不足的问题。

主权项：1.一种基于深度学习的社会网络不实言论的智能检测方法，其特征在于：包括：收集一个时间段内的社交网络上的所有消息的文本信息、回复信息和拓扑信息并进行文本预处理操作；将消息的文本信息输入局部信息编码器，输出消息的文本信息特征向量；将消息的回复信息输入局部信息编码器，输出消息的回复融合信息特征向量；将消息的文本信息特征向量与回复融合信息特征向量以不同权重拼接，得到消息局部信息特征向量；将所有消息构成的社交网络拓扑图拓扑信息输入全局信息编码器，得到拓扑信息特征向量；将消息的文本信息特征向量和拓扑信息特征向量拼接在一起，得到融合特征向量；将融合特征向量输入线性网络，输出最终的预测向量；预测向量中每个值为对各类标签的预测值，取预测值中最大值对应的标签作为最终预测的标签。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于深度学习的社会网络不实言论的智能检测方法

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