[发明专利]融合用户信息和文本信息的谣言检测方法及装置

说明书

本发明提供一种融合用户信息和文本信息的谣言检测方法及装置，该方法包括：获取待检测事件的第一源文本信息和所述第一源文本信息对应的第一用户信息；将所述第一源文本信息和第一用户信息输入条件生成对抗网络模型中，得到所述条件生成对抗网络模型生成的所述待检测事件的模拟响应数据；将所述第一源文本信息、第一用户信息和模拟响应数据输入分类模型中，得到所述分类模型输出的待检测事件的谣言检测结果；本发明实现整个谣言检测过程中，只需要根据待检测事件的第一源文本信息和第一用户信息，即可快速获取到待检测事件的谣言检测结果，具有良好的时效性；并且，联合第一源文本信息、第一用户信息和模拟响应数据，使得谣言检测结果更加准确。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种融合用户信息和文本信息的谣言检测方法及装置。

背景技术

社交媒体对于新闻消费者来说是一把双刃剑，社交媒体由于其低成本、易获取和快速的信息传播等特点，为人们及时了解新闻带来了便利之处。然而，这也给假新闻的滋生创造了优越的环境。假新闻即故意捏造的与事实相违背的谣言事件，具有一定的隐秘性和欺骗性并会给社会带来不良影响与损失。

应对网络上的大量新闻，需要构建相应的自动检测模型来甄别出虚假新闻，检测出谣言事件。现有的谣言检测技术存在如下问题：(1)现有的谣言检测技术大多利用用户对新闻的评论、转发信息进行谣言检测，而谣言的传播速度是极其迅速，这给谣言的扩散提供了不可或缺的生长时间，因此在早期检测中表现不佳；(2)现有的谣言检测方法大多局限于单一模态，如文本信息或传播结构，难以对谣言进行准确检测。

发明内容

本发明提供一种融合用户信息和文本信息的谣言检测方法及装置，用以解决现有技术中在早期检测中表现不佳，且对谣言检测不准确的缺陷，实现快速准确地检测出谣言。

本发明提供一种融合用户信息和文本信息的谣言检测方法，包括：

获取待检测事件的第一源文本信息和所述第一源文本信息对应的第一用户信息；

将所述第一源文本信息和第一用户信息输入条件生成对抗网络模型中，得到所述条件生成对抗网络模型生成的所述待检测事件的模拟响应数据；其中，所述条件生成对抗网络模型根据样本事件的第二源文本信息和第二用户信息，以及真实响应数据进行训练得到；所述真实响应数据包括对所述第二源文本信息进行转发和评论的推文数据和所述推文数据对应的用户信息；

将所述第一源文本信息、第一用户信息和模拟响应数据输入分类模型中，得到所述分类模型输出的待检测事件的谣言检测结果；所述分类模型根据所述第二源文本信息、第二用户信息和所述样本事件的模拟响应数据，以及所述样本事件的谣言检测标签进行训练获取。

根据本发明提供的一种融合用户信息和文本信息的谣言检测方法，所述分类模型基于循环神经网络和分类模块构建生成；

相应地，所述将所述第一源文本信息、第一用户信息和模拟响应数据输入分类模型中，得到所述分类模型输出的待检测事件的谣言检测结果，包括：

将所述第一源文本信息、第一用户信息和模拟响应数据进行拼接后，输入所述循环神经网络中，得到所述循环神经网络输出的所述待检测事件的特征矩阵；

将所述特征矩阵输入所述分类模块，得到所述分类模块输出的所述待检测事件的谣言检测结果。

根据本发明提供的一种融合用户信息和文本信息的谣言检测方法，所述条件生成对抗网络模型中的生成器基于循环神经网络构建生成；

所述条件生成对抗网络模型中的判别器基于卷积神经网络构建生成。

根据本发明提供的一种融合用户信息和文本信息的谣言检测方法，所述将所述第一源文本信息和第一用户信息输入条件生成对抗网络模型中之前，还包括：