[发明专利]一种面向传播不确定性的谣言检测方法及装置

权利要求书

1.一种面向传播不确定性的谣言检测方法，其步骤包括：

1)获取社交网络中源博文与转发博文的文本数据及若干传播数据，并基于文本数据提取的文本特征，利用传播数据分别构建传播方向的初始传播图G′^TD及扩散方向的初始传播图G′^BU；

2)对于初始传播图G′^TD与初始传播图G′^BU，分别利用图卷积网络对边的可靠性进行评估，生成传播图G^TD与传播图G^BU；

3)基于传播图G^TD与传播图G^BU中的节点表示片^TD与片^BU，生成源博文的最终特征表示，以获取谣言检测结果。

2.如权利要求1所述的方法，其特征在于，传播数据包括源博文与转发博文之间及转发博文之间的传播关系集合；文本特征包括：TF-IDF文本特征。

3.如权利要求1所述的方法，其特征在于，通过以下步骤生成传播图G^TD：

1)利用图卷积网络聚合初始传播图G′^TD中节点的邻域特征，获取节点的特征表示；

2)基于特征表示及贝叶斯概率公式，计算边的可靠性分数；

3)根据可靠性分数，调整初始传播图G′^TD中边的权重，生成调整后传播图G″^TD；

4)利用图卷积网络聚合调整后传播图G″^TD中节点的邻域特征，将具有潜在关系驱动的邻域特征的归一化和，通过生成的节点表示片^TD，构造传播图G^TD。

4.如权利要求1所述的方法，其特征在于，通过以下步骤生成源博文的最终特征表示：

1)基于节点表示H^TD与H^BU，通过平均池化层分别得到传播图G^TD与传播图G^BU的特征表示；

2)拼接传播图G^TD与传播图G^BU的特征表示，得到源博文的最终特征表示。

5.如权利要求1所述的方法，其特征在于，获取谣言检测结果的方法包括：将源博文的最终特征表示输入至一分类器。

6.如权利要求5所述的方法，其特征在于，所述分类器包括：1个线性层和1个softmax函数。

7.如权利要求1所述的方法，其特征在于，谣言检测结果的包括：真谣言、假谣言、未经证实的谣言或非谣言。

8.如权利要求1所述的方法，其特征在于，利用一谣言检测模型完成步骤2)与步骤3)，以获取谣言检测结果，其中通过以下步骤训练所述谣言检测模型：

1)获取标注的数据集；

2)基于所述数据集及传播一致性的无监督学习损失，并根据传播行为的后验分布，计算得到计算所述训练集的无监督一致性损失；

3)根据所述数据集中各样本的预测结果及真实标签，计算得到所述训练集的有监督分类交叉熵损失；

4)对无监督一致性损失及有监督分类交叉熵损失进行加权求和，得到损失函数；

5)通过最小化损失函数，获取谣言检测模型的模型参数。

9.一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如权利要求1-8中任一所述方法。

10.一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如权利要求1-8中任一所述方法。