基于图对抗对比预训练的社交网络谣言检测系统技术方案

本发明专利技术涉及一种基于图对抗对比预训练的社交网络谣言检测系统。包括：一个事件增强模块，通过修改图结构和节点属性，用于提取有意义的谣言传播模式；一个用户编码模块，用于学习用户行为特征；一个图对抗模块，用于为模型提供模拟恶意扰动操作；一个对比预训练模块，用于最大化文本特征、用户行为特征正负样本间的互信息；一个微调模块，用于融合推文事件全局特征向量、用户特征向量、文本图形向量和源帖子特征，完成谣言检测的标签预测工作。完成谣言检测的标签预测工作。完成谣言检测的标签预测工作。

【技术实现步骤摘要】
基于图对抗对比预训练的社交网络谣言检测系统


[0001]本专利技术涉及谣言检测领域，更具体地，涉及一种基于图对抗对比预训练的社交网络谣言检测系统。

技术介绍

[0002][0003]这些年关于谣言检测的研究工作大体上可以分为两大类，一类是基于传统机器学习的谣言检测方法。该类方法主要是通过特征工程的方法从谣言的内容、传播过程中人工提取或者挖掘出一些显著的特征构成特征集，包括文本特征，用户特征，传播特征等。随后采用特定的机器学习模型进行分类，进而判断是否是谣言。虽然上述基于传统分类方法的谣言检测随着特征工程的深入取得了一定成功，但却存在一些缺陷。传统特征工程的方法需要投入大量人力、物力、时间并结合心理学、语言学等学科来分析挖掘数据中的潜在特征，同时特征的鲁棒性不够强，存在许多不确定性，在实际的不均衡数据中所取得的效果较为有限；另一类是基于特征表示学习的谣言检测方法。该类方法主要借助神经网络模型的强大的表示学习能力，从数据集信息中挖掘谣言与非谣言之间的区别。现有的研究主要围绕谣言的内容、发布用户以及传播模式三个关键要素展开，特别是对于谣言的内容进行建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图对抗对比预训练的社交网络谣言检测系统，其特征在于，包括：一个事件增强模块，通过修改图结构和节点属性，用于提取有意义的谣言传播模式；一个用户编码模块，用于学习用户行为特征；一个图对抗模块，用于提供恶意扰动操作；一个对比预训练模块，用于最大化文本特征、用户行为特征正负样本间的互信息；一个微调模块，用于融合推文事件全局特征向量、用户特征向量、文本图形向量和源帖子特征，完成谣言检测的标签预测工作。2.根据权利要求1所述的一种基于图对抗对比预训练的社交网络谣言检测系统，其特征在于，所述事件增强模块，利用三种事件增强策略，利用传播图的结构信息，对传播图进行节点掩蔽、随机游走生成子图和随机移除边的操作，达到增强推文信息的目的，有效实施事件扩增和缓解有限数据的问题。3.根据权利要求1所述的一种基于图对抗对比预训练的社交网络谣言检测系统，其特征在于，所述用户编码模块，以用户静态特征和用户行为关系图作为模块的输入，采用双层GCN模型学习用户的静态特征和用户在参与...

【专利技术属性】
技术研发人员：廖祥文，陈泓敏，杨黄涛，郑鹏程，陈宁，
申请(专利权)人：福州大学，
类型：发明
国别省市：