基于图神经网络的谣言立场检测方法、装置和电子设备制造方法及图纸

本申请涉及一种基于图神经网络的谣言立场检测方法、装置和电子设备，所述方法包括：获取谣言数据；根据所述谣言数据的特征构建异构图，其中，所述异构图包括多个节点，所述节点用于表示所述谣言数据；将所述异构图输入图神经网络模型，得到对所述节点的立场分类结果，其中，所述立场分类结果是由所述图神经网络模型确定所述节点的目标特征，并根据每个所述节点的目标特征经过分类得到的。本申请通过构建异构图，使用图神经网络进行图表征学习，无需依赖较大的数据规模，快速高效捕获目标帖子的邻居分布特征及跨主题特征，实现对帖子的立场进行分类。

【技术实现步骤摘要】
基于图神经网络的谣言立场检测方法、装置和电子设备
本申请涉及互联网
，尤其涉及一种基于图神经网络的谣言立场检测方法、装置和电子设备。
技术介绍
随着互联网的发展，每天，数十亿用户可以使用社交媒体实时获取新闻，分享观点和与他人互动，这显著提高了信息的传播速度和范围。然而，社交媒体上的信息内容往往缺乏必要的管理，大量虚假或未经证实的信息将与真实信息混杂在一起进行发布。社交媒体的普及使其便于信息获取，但实际上加剧了谣言对互联网乃至现实世界的影响。尽早地识别出社交媒体中流传的谣言是一项十分有意义的任务。谣言的社会学定义是“未经证实且与工具相关的信息陈述”在流通中，其任务旨在确定给定信息的真实性。传统方法将谣言检测视为有监督的分类任务，它从帖子内容，用户档案和传播模式中收集和编码大量手工特征，以训练有效的分类器。此外，还有一些基于规则的方法来挖掘特殊的谣言传播模式。最近，为了通过数据驱动获得更有价值的特征(例如，语义分布和传播结构)，已经提出了一些基于深度神经网络或树核的方法。特别的，一些工作侧重于将帖子的态度作为判断谣言真实性的重本文档来自技高网...

【技术保护点】
1.一种基于图神经网络的谣言立场检测方法，其特征在于，包括：/n获取谣言数据；/n根据所述谣言数据的特征构建异构图，其中，所述异构图包括多个节点，所述节点用于表示所述谣言数据；/n将所述异构图输入图神经网络模型，得到对所述节点的立场分类结果，其中，所述立场分类结果是由所述图神经网络模型确定所述节点的目标特征，并根据每个所述节点的目标特征经过分类得到的。/n

【技术特征摘要】
1.一种基于图神经网络的谣言立场检测方法，其特征在于，包括：
获取谣言数据；
根据所述谣言数据的特征构建异构图，其中，所述异构图包括多个节点，所述节点用于表示所述谣言数据；
将所述异构图输入图神经网络模型，得到对所述节点的立场分类结果，其中，所述立场分类结果是由所述图神经网络模型确定所述节点的目标特征，并根据每个所述节点的目标特征经过分类得到的。


2.根据权利要求1所述的方法，其特征在于，所述根据所述谣言数据的传播特征构建异构图的步骤包括：
根据所述谣言数据确定所述异构图的词节点和帖子节点；
确定所述帖子节点的特征，根据所述帖子节点的特征确定所述词节点和帖子节点间的关系；
根据所述词节点和帖子节点间的关系构建所述异构图。


3.根据权利要求2所述的方法，其特征在于，所述根据所述谣言数据确定所述异构图的词节点和帖子节点的步骤包括：
筛选所述谣言数据中出现频率达到设定次数的每个词作为一个词节点，将用户每次发表的意见作为一个帖子节点。


4.根据权利要求2所述的方法，其特征在于，所述确定所述帖子节点的特征步骤包括：
确定所述帖子节点的语义特征、属性特征和传播特征：
筛选所述帖子节点中每个句子中的主干内容，将所述主干内容映射为词向量，将每个所述帖子节点中的词向量的平均值作为所述帖子节点的语义特征；
将所述帖子节点的长度、表情个数、发出时段及回复人数信息进行归一化处理后作为所述帖子节点的属性特征；
将所述帖子节点的传播深度、入度与出度的比值作为所述帖子节点的传播特征。


5.根据权利要求2所述的方法，其特征在于，所述根据所述帖子节点的特征确定所述词...

【专利技术属性】
技术研发人员：王丽宏，李晨，贺敏，毛乾任，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：北京;11