申请/专利权人:北方工业大学
申请日:2023-11-08
公开(公告)日:2024-03-26
公开(公告)号:CN117763489A
主分类号:G06F18/25
分类号:G06F18/25;G06V10/42;G06F40/30;G06F18/241;G06F18/214;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明公开了一种基于多任务学习的虚假新闻检测方法,属于信息检测领域,包括以下步骤:S1、收集现有的新闻数据,得到原始数据集;S2、预处理;S3、将原始数据按照真实性分别放入真实新闻图片文件夹和虚假新闻图片文件夹中,且真实新闻图片文件夹和虚假新闻图片文件夹内均包括训练集和测试集;S4、构建虚假新闻检测模型;S5、向虚假新闻检测模型中输入训练集进行模型训练,直至准确率达到设定标准;S6、向训练完毕的虚假新闻检测模型中输入测试集进行测试。本发明采用上述基于多任务学习的虚假新闻检测方法,通过变分自编码器可以更好地挖掘多模态之间的关联信息,提高特征的表达能力,进而提高模型的检测能力。
主权项:1.基于多任务学习的虚假新闻检测方法,其特征在于:包括以下步骤:S1、收集现有的新闻数据,得到原始数据集;S2、预处理:S21、原始数据集的张量转换;S22、将原始数据集中图片和文本内容的一一对应;S23、构建新的字典;S24、对文本内容进行分词,将句子分成多个词块,并生成词表;S3、将原始数据按照真实性分别放入真实新闻图片文件夹和虚假新闻图片文件夹中,且真实新闻图片文件夹和虚假新闻图片文件夹内均包括训练集和测试集;S4、构建虚假新闻检测模型;S5、向虚假新闻检测模型中输入训练集进行模型训练,直至准确率达到设定标准;S6、向训练完毕的虚假新闻检测模型中输入测试集进行测试。
全文数据:
权利要求:
百度查询: 北方工业大学 基于多任务学习的虚假新闻检测方法
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。