[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

说明书

本发明公开了一种基于网络信息传播图建模的社交媒体谣言检测方法，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；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；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与非谣言的概率。该方法能够提高谣言检测的准确性，实现有效的谣言检测，并具有适用性强，易于迁移等优点。

技术领域

本发明涉及网络空间安全技术领域，尤其涉及一种基于网络信息传播图建模的社交媒体谣言检测方法。

背景技术

2020年，全球网民数量达45.4亿，我国网民规模达9.04亿。因此，社交网络已经成为大多数人生活中不可或缺的一部分，影响范围深远。以Facebook社交平台为例，每月有近24.1亿活跃用户参与和分享种类繁杂的信息。但与此同时，社交网络也促进了各种谣言信息在用户间的传播，破坏社会秩序，严重危害社会安全。因此，实现一种高效的网络谣言自动检测方法，对于维护网络空间安全和社会稳定具有重要的意义。

传统的谣言检测方式是基于人工鉴别的，需要通过专业人员审核，但这种方法耗时耗力，往往是在谣言传播后期才能发现和辟谣，并且依赖于鉴别人员的知识水平。随着机器学习技术的发展，基于特征工程和机器学习的谣言检测方法被提出。该类方法首先针对具体的待检测谣言内容，通过人工方式进行数据分析，以抽取合适的谣言特征。其优点包括：减少了人工审核的负担，提升了检测效率和精度。但该类方法也存在缺陷：首先需要进行精细的特征设计和选取，繁琐耗时，而且每次人工特征工程选取的特征仅针对特定的谣言类型，缺乏通用性。此外，目前已有的大多数谣言检测方法都是基于单一帖子的内容信息进行分类，但是社交媒体上的帖子一般为短文本，缺乏语义信息，因此，该类方法存在局限性。

发明内容

本发明的目的是提供一种基于网络信息传播图建模的社交媒体谣言检测方法，能够提高谣言检测的准确性，实现有效的谣言检测，并具有适用性强，易于迁移等优点。

本发明的目的是通过以下技术方案实现的：

一种基于网络信息传播图建模的社交媒体谣言检测方法，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；

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；

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。

由上述本发明提供的技术方案可以看出，与现有的仅通过单条帖子内容信息的方法或仅通过树形传播模型建模的方法相比，本发明提出一种新颖的网络信息传播图建模方法，充分考虑了社交媒体帖子的传播空间层次关系和时间维度关系，并对社交媒体用户的依赖性进行挖掘，可以有效的捕获网络信息传播中的上下文。并且，本发明能够针对不同的传播图结构实现对信息传播图上不同帖子之间相互关系的信息挖掘，因此具有较好的灵活性并可以高效的判断谣言数据。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供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的示意图；

图2为本发明实施例提供的社交网络信息传播结构示意图；

图3为本发明实施例提供的社交网络信息传播图建模示意图。