基于双曲神经网络区分垃圾信息的方法、装置及电子设备制造方法及图纸

本发明专利技术涉及机器学习技术，揭露了一种基于双曲神经网络区分垃圾信息的方法，包括：获取待识别信息，对待识别信息进行过滤，得到目标待识别信息；对目标待识别信息进行双曲空间投影，得到双曲投影特征，对双曲投影特征进行向量处理，得到嵌入向量；对所述嵌入向量进行概率计算，得到第一概率值；根据目标待识别信息生成信息属性特征，并对信息属性特征进行概率计算，得到第二概率值；对第一概率值及第二概率值进行权重计算，得到概率平均值，当所述概率平均值符合预设的筛选条件时，判定待识别信息为垃圾信息。本发明专利技术还提出一种基于双曲神经网络区分垃圾信息的装置以及电子设备。本发明专利技术可以提高区分垃圾信息的准确率。可以提高区分垃圾信息的准确率。可以提高区分垃圾信息的准确率。

【技术实现步骤摘要】
基于双曲神经网络区分垃圾信息的方法、装置及电子设备


[0001]本专利技术涉及机器学习
，尤其涉及一种基于双曲神经网络区分垃圾信息的方法、装置及电子设备。

技术介绍

[0002]目前针对区分垃圾信息有很多种类型，例如，运用传统监督算法、基于属性特征和文本内容特征的预测及基于网络特征的预测等方法，但是这些方法有些需要人工选取具有最大区分度的关键特征，会容易被攻击者绕过，检测效果不佳，单独使用时的准确率相对较低等问题。现实生活社交网络信息中大量存在着无标度性质，大部分网络结构还具有无标度、幂律分布等全局特征，这些特征不能直接体现出来。综上所述，现有技术中存在区分垃圾信息的准确率较低的问题。

技术实现思路

[0003]本专利技术提供一种基于双曲神经网络区分垃圾信息的方法、装置及电子设备，其主要目的在于解决区分垃圾信息的准确率较低的问题。
[0004]为实现上述目的，本专利技术提供的一种基于双曲神经网络区分垃圾信息的方法，包括：
[0005]获取待识别信息，对所述待识别信息进行过滤，得到目标待识别信息；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双曲神经网络区分垃圾信息的方法，其特征在于，所述方法包括：获取待识别信息，对所述待识别信息进行过滤，得到目标待识别信息；对所述目标待识别信息进行双曲空间投影，得到双曲投影特征，对所述双曲投影特征进行向量处理，得到嵌入向量；对所述嵌入向量进行概率计算，得到第一概率值；根据所述目标待识别信息生成信息属性特征，并对所述信息属性特征进行概率计算，得到第二概率值；对所述第一概率值及所述第二概率值进行权重计算，得到概率平均值，当所述概率平均值符合预设的筛选条件时，判定所述待识别信息为垃圾信息。2.如权利要求1所述的基于双曲神经网络区分垃圾信息的方法，其特征在于，所述对所述目标待识别信息进行双曲空间投影，得到双曲投影特征，包括：将所述目标待识别信息存储至预设的欧式空间，得到信息存储向量；通过预设的指数映射函数将所述信息存储向量映射到双曲空间中，得到双曲投影特征。3.如权利要求2所述的基于双曲神经网络区分垃圾信息的方法，其特征在于，所述对所述双曲投影特征进行向量处理，得到嵌入向量，包括：获取所述双曲投影特征之间的映射节点，利用预设的激活函数对所述映射节点进行关系强度计算，得到关系强度值；利用所述指数映射函数对所述关系强度值进行信息聚合，得到所述映射节点对应的聚合向量；将所述聚合向量进行有向性更新，得到所述双曲投影特征嵌入向量。4.如权利要求3所述的基于双曲神经网络区分垃圾信息的方法，其特征在于，所述利用预设的激活函数对所述映射节点进行关系强度计算，得到关系强度值，包括：利用下述公式对所述映射节点之间的关系强度进行计算：W
ij
＝SOFTMAX(MLP(log(x
i
))||log(x
ij
))其中，x
i
表示第i个映射节点，x
ij
表示第i个映射节点对应的第j个邻居节点，W
ij
表示第i个映射节点与第i个映射节点对应的第j个邻居节点之间的关系强度值，||表示拼接操作，MLP表示预设的多层感知机，SOFTMAX表示所述激活函数。5.如权利要求3所述的基于双曲神经网络区分垃圾信息的方法，其特征在于，所述利用所述指数映射函数对所述关系强度值进行信息聚合，得到所述映射节点对应的聚合向量，包括：利用下述公式对所述关系强度值进行信息聚合：其中，x
i
表示第i个映射节点，x
ij

【专利技术属性】
技术研发人员：舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：