买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：新疆师范大学

摘要：本发明涉及自然语言处理领域，公开了一种基于情感分析的微博谣言检测方法，包括采集微博数据集，对微博数据集进行降噪处理；利用中文分词工具对降噪处理后的微博数据集进行分词，通过XLNet预训练方法训练词向量数据集；利用Transformer解码器模型提取关于微博正文内容的语义特征；利用BiLSTM+Attention网络提取关于微博评论的情感特征；通过至少一层全连接神经网络将语义特征及情感特征进行特征融合，最后一层全连接层连接分类器，分类器输出微博事件谣言检测的分类结果。本发明构造了基于情感分析的微博谣言检测模型，实现了包含评论情感信息的微博谣言自动识别，加入了微博评论的情感特征，提高了微博谣言检测自动识别效果。

主权项：1.一种基于情感分析的微博谣言检测方法，其特征在于，包括以下步骤：S1采集微博数据集，对所述微博数据集进行降噪处理，获得降噪处理后的微博数据集；所述微博数据集包括若干个微博事件，所述微博事件包括微博正文内容和微博评论；S2利用中文分词工具对所述降噪处理后的微博数据集进行分词，获得词向量数据集，通过XLNet预训练方法训练所述词向量数据集，获得若干个微博事件的嵌入矩阵；S3建立Transformer解码器模型，利用所述Transformer解码器模型分别提取所述若干个微博事件的嵌入矩阵中关于微博正文内容的语义特征；建立BiLSTM+Attention网络，利用所述BiLSTM+Attention网络分别提取所述若干个微博事件的嵌入矩阵中关于微博评论的情感特征；在步骤S3中，建立Transformer解码器模型，所述Transformer解码器模型包括6个相同的层，每一层包括两个子层，所述两个子层包括多头注意力机制层和前馈神经网络层，利用所述Transformer解码器模型分别提取所述若干个微博事件的嵌入矩阵中关于微博正文内容的语义特征，包括以下步骤：S31每一个微博事件的嵌入矩阵包括关于微博正文的词向量和关于微博评论的词向量，将关于微博正文的词向量输入多头注意力机制层中，随机初始化多头注意力机制层中的权重矩阵W0以及各头注意力分别所对应的第一矩阵第二矩阵第三矩阵h为多头注意力机制层中头的数量；S32将所述关于微博正文的词向量分别进行单词嵌入操作、段落嵌入操作和位置嵌入操作，获得单词嵌入词向量、段落嵌入词向量和位置嵌入词向量；将所述单词嵌入词向量、所述段落嵌入词向量和所述位置嵌入词向量分别与所述第一矩阵所述第二矩阵和所述第三矩阵对应相乘，获得各头注意力的查询矩阵Qj、键矩阵Kj和值矩阵Vj，获得关于微博正文的词向量分别对应各头注意力的输出获得多头注意力输出结果Multihead＝Concathead1,head2,...,headhW0；Concat●表示Concatenate函数；S33将所述多头注意力输出结果作为前馈神经网络层的输入，前馈神经网络层包括两层神经网络，第一层神经网络的激活函数是ReLU函数，第二层神经网络的激活函数是线性激活函数，获得前馈神经网络层输出结果HMultihead＝max0，Multihead*W1+b1W2+b2，W1、W2分别为前馈神经网络的权重矩阵，b1、b2分别为前馈神经网络的偏置项，获得关于微博正文内容的语义特征；S4通过至少一层全连接神经网络将与每一个微博事件相对应的关于微博正文内容的语义特征以及与每一个微博事件相对应的关于微博评论的情感特征进行特征融合，最后一层全连接层连接分类器，所述分类器输出微博事件谣言检测的分类结果。

全文数据：

权利要求：

百度查询： 新疆师范大学 一种基于情感分析的微博谣言检测方法