[发明专利]一种基于内容及特征差异性的谣言检测方法及系统

权利要求书

1.一种基于内容及特征差异性的谣言检测方法，其特征在于，包括以下步骤：

步骤1：通过爬虫技术，获取社交媒体平台的事件信息，构建事件数据集E＝{e₁，e₂，e₃，...，e_N}，e_N表示第N个事件，N取值为自然数；

步骤2：将获取的事件的文本信息，按照类别分为原文文本信息和评论文本信息，通过预处理方法分别得到事件的原文句向量和评论句向量；

步骤3：对于事件的原文句向量，通过事件原文处理模型，得到事件原文表征特征；

步骤4：对于事件的评论句向量，通过事件评论处理模型，得到事件评论表征特征；

步骤5：将步骤3得到的事件原文表征特征和步骤4得到的事件评论表征特征，通过事件分类输出模型得到对事件的预测分类，来判断事件是否为谣言。

2.根据权利要求1所述的方法，其特征在于，步骤2包括：将谣言检测任务定义为：第i个事件e_i的文本信息按照类别分为原文文本信息和评论文本信息，表示为e_i＝{m₀ⁱ，m₁ⁱ，m₂ⁱ，m₃ⁱ，...，m_Mⁱ}，其中m₀ⁱ为e_i的原文文本信息，{m₁ⁱ，m₂ⁱ，m₃ⁱ，...，m_Mⁱ}为e_i的评论文本信息，M为e_i的评论文本信息数量，m_Mⁱ表示e_i的第M个评论文本信息，i取值为[1，N]。

3.根据权利要求2所述的方法，其特征在于，步骤2还包括：对于事件ei的所有文本信息，先进行预处理，包括数据清理、数据增强以及向量化处理三个部分，在数据清理部分，通过正则化表达式去除文本数据中的网址、数字、@转发信息；在数据增强部分，对数据集中的原文文本数据，以及部分事件评论数过少的文本数据进行增强；在向量化处理部分，通过BERT预训练模型将事件e_i的文本信息{m₀ⁱ，m₁ⁱ，m₂ⁱ，m₃ⁱ，...，m_Mⁱ}，分别转化为维数固定为768的句向量{v₀ⁱ，v₁ⁱ，v₂ⁱ，v₃ⁱ，...，v_Mⁱ}，v₀ⁱ表示事件原文句向量，{v₁ⁱ，v₂ⁱ，v₃ⁱ，...，v_Mⁱ}表示事件评论句向量，v_Mⁱ表示ei的第M个评论句向量。