一种社交媒体误传信息检测方法技术

本发明专利技术公开了一种社交媒体误传信息检测方法，其步骤包括S1收集社交媒体的帖子数据及相应的评论数据作为数据集；S2将评论数据信息分别按照时间顺序和情感顺序排序；S3将时间序列的时间评论集数据信息、情感序列的情感评论集数据信息分别与帖子数据信息连接，再分别送入级别颗粒度注意力掩盖双向编码器进行预训练，得到时间序列句子向量和情感序列句子向量；S4将时间序列句子向量和情感序列句子向量连接，通过全连接神经网络进行训练，得到二分类结果；通过采用两个级别粒度注意力掩盖模型作为基编码器，提出了时间注释和情感注释的颗粒度嵌入，通过设置分割层来达成注意力掩盖效果，提高了误传信息的查全率、查准率以及精度。查准率以及精度。查准率以及精度。

【技术实现步骤摘要】
一种社交媒体误传信息检测方法


[0001]本专利技术涉及自然语言处理领域和神经网络深度学习领域，提出了一种社交媒体误传信息检测方法。

技术介绍

[0002]当今社交网络飞速发展，虚假信息也变得越来越普遍。虚假信息会误导大众，严重的甚至会影响国际局势，导致无法挽回的严重后果，因此需要对社交网络中的言论进行验证。
[0003]目前社交网络中的言论验证分别人工手动核查和机器自然语言处理。人工手动事实核查声明的真实性十分耗时，涉及大量不同的文档和来源，效率低下。
[0004]自然语言处理可大致分为三步：（一）语料库收集和预处理。语料是自然语言处理所研究的内容，通常使用一个文本集合作为语料库，在事实核查领域中，我们用推文、声明作为语料库。常见的预处理有预料清洗、分词、去停用词等。其中预料清洗是去除噪音，留下有用数据；分词是将文本分为词语；去停用词是去除对文本特征没有任何作用的字词，比如标点符号、语气等。（二）特征工程。这一步是将分词表示为计算机可以理解计算的类型，一般为向量。常用的表示模型有词袋模型和词向量模型。（三）使用机器学习或深度学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种社交媒体误传信息检测方法，其步骤如下：S1、收集社交媒体的帖子数据及相应的评论数据作为数据集；S2、将评论数据信息分别按照时间顺序和情感顺序排序；S3、将时间序列的时间评论集数据信息、情感序列的情感评论集数据信息分别与帖子数据信息连接，再分别送入级别颗粒度注意力掩盖双向编码器进行预训练，得到时间序列句子向量和情感序列句子向量；S4、将时间序列句子向量和情感序列句子向量连接，通过全连接神经网络进行训练，得到二分类结果。2.根据权利要求1所述的一种社交媒体误传信息检测方法，其特征在于：S1还包括有S11通过聚类算法删去相似的评论数据。3.根据权利要求1所述的一种社交媒体误传信息检测方法，其特征在于：S1中令为原帖子的集合，每个是由中文或英文字符组成，其中是的长度，每个的评论用来表示，其真实性用表示，1表示误传信息，0表示不是，于是数据集可以符号化为，其中每个；给定一个原帖子集合。4.根据权利要求3所述的一种社交媒体误传信息检测方法，其特征在于：S2中设定按时间排序的时间评论集和按情感排序的情感评论集。5.根据权利要求4所述的一种社交媒体误传信息检测方法，其特征在于：S3中将按时间排序的时间评论集与原帖子集合连接后组成训练数据，再通过级别颗粒度注意力掩盖双向编码器LGAM
‑
BERT后得到时间序列句子向量，其中i代表数据集中第i个帖子，d为编码器模型中隐藏层的向量维度数量；将按情感排序的情感评论集与原帖子集合连接后组成训练数据，再通过级别颗粒度注意力掩盖双向编码器LGA...

【专利技术属性】
技术研发人员：王茂林，张鹏，
申请(专利权)人：深圳市金大智能创新科技有限公司，
类型：发明
国别省市：