[发明专利]基于网络信息传播图建模的社交媒体谣言检测方法

权利要求书

1.一种基于网络信息传播图建模的社交媒体谣言检测方法，其特征在于，包括：

以用户的帖子为节点，根据帖子的转发层次关系和时间维度关系建立传播图模型，并且根据用户的ID信息在传播图模型中构建相同用户的帖子连接关系；其中，对于同一条帖子的转发回复帖子中，存在时间维度上的连接关系；

将预训练模型提取的各个帖子的文本特征作为初始的节点表示特征，并利用消息传递图神经网络根据帖子之间关系进行信息的聚合，进而更新节点表示特征，包括：设计了依赖于关系类型的信息聚合函数，即通过关系感知的消息传递图神经网络进行节点表示学习；首先，定义关系感知的消息聚合函数为：

其中，为节点v_i进行信息聚合后的表示特征，l＝1…L表示第L层图神经网络，L为总层数，表示与节点v_i的属于关系r的一阶邻居节点集合，一阶邻居表示直接相连的节点，r∈{r_retweet,r_temporal,r_user}，r_retweet、r_temporal、r_user依次表示两个节点为转发层次关系、时间维度关系、属于相同用户的关联关系；表示邻居节点个数，和为可学习权重参数；表示节点v_i在第l-1层图神经网络的节点表示特征，为节点v_k在第l-1层图神经网络的节点表示特征；

然后，通过门控循环神经单元更新节点表示特征，表示为：

最终，得到节点v_i在第L层图神经网络的节点表示特征

将更新后的节点表示特征与初始的节点表示特征连接后，通过分类器预测帖子为谣言的概率。

2.根据权利要求1所述的一种基于网络信息传播图建模的社交媒体谣言检测方法，其特征在于，所述传播图模型表示为G＝(V,E,R,H⁰)，其中，V为节点集合，E为边集合；R为关系类型的集合，r_ij∈R表示两个节点v_i与v_j之间的关系类型，也即，v_i,v_j∈V,i,j＝1…n，n为节点个数；为初始的节点表示矩阵，为初始的节点表示特征；

关系类型包含{r_retweet,r_temporal,r_user}三类。

3.根据权利要求1或2所述的一种基于网络信息传播图建模的社交媒体谣言检测方法，将更新后的节点表示特征与初始的节点表示特征连接：

通过一个线性分类器预测帖子为谣言的概率：

P_i＝softmax(W_ch_i+b_c)

其中，W_c与b_c为线性分类器中可学习的权重与偏置参数。

4.根据权利要求1所述的一种基于网络信息传播图建模的社交媒体谣言检测方法，其特征在于，该方法构成一个检测模型，训练阶段的损失函数为交叉熵损失，表示为：

其中，N是训练样本中帖子总数，C为谣言的类别数，y_c(x_u)、P_u分别表示对于c类别的第u个样本的真实标签、预测出为谣言的概率，表示对于所有模型参数θ的正则项，γ为正则化参数。

5.根据权利要求1所述的一种基于网络信息传播图建模的社交媒体谣言检测方法，其特征在于，所述预训练模型为BERT模型；对于每一帖子的文本信息，首先进行数据清洗预处理，去除不必要内容，所述不必要内容包括：去除特殊字符、URL超链接、HTML字符以及表情符号；预处理完成后，使用BERT模型对文本中的句子进行处理，并利用BERT模型倒数第二层的隐藏层平均作为句子的文本特征向量。