[发明专利]一种基于强化学习和事理知识图谱的真假消息鉴别方法

权利要求书

1.一种基于强化学习和事理知识图谱的真假消息鉴别方法，将大量的网络舆情数据以及用户评论和反馈数据联合建模，通过弱分类器实现真假消息预分类，强化学习筛选器选择置信度高的数据，用以分类训练，分类器将事理知识图谱与预训练语言表示模型BERT相结合，使机器在语义解析时，能够利用相关舆情知识进行真假推理。具体包括以下步骤：

步骤(1)、对每一条舆情数据进行分词、去除停用词预处理；

步骤(2)、手动标定小部分预处理好的数据集；并使用标定好的部分数据微调XLNET预训练模型；

步骤(3)、在使用XLNET模型对无标签数据进行弱分类；

步骤(4)、针对步骤(3)分好类的数据，使用强化学习算法筛选出高置信度的数据；

步骤(5)、结合事理知识图谱，使用BERT对步骤(4)筛选出来的数据进行真假消息鉴别；

步骤(6)、根据步骤(5)分类的结果，反向更新XLNET弱分类器和强化学习筛选算法；

步骤(7)、重复执行步骤(3)至步骤(6)，直到真假消息鉴别收敛。

2.一种强化学习筛选数据的方法。强化学习中的智能体能够根据真伪消息鉴别器(EEG-BERT)对数据真伪的判断结果，动态调整该条数据的可行度，并给数据筛选算法打分，从而强化学习筛选算法，同时更新弱分类器。具体包括一下步骤：

步骤(1)、智能体评估真伪消息鉴别器(EEG-BERT)的预测结果；

步骤(2)、智能体动态调整真伪消息鉴别器的输入数据的置信度；

步骤(3)、智能体给数据筛选算法打分；

步骤(4)、更新强化学习筛选算法和弱分类器。