【技术实现步骤摘要】
本专利技术实施例涉及虚假新闻检测领域，尤其涉及一种基于协同注意力的假新闻检测方法、装置、设备及介质。
技术介绍
1、随着信息时代的快速发展，网络成为信息传递的重要渠道，良莠不齐的信息在网络上迅速蔓延，假新闻已经成为一个主要的社会问题。然而当前阶段，假新闻检测主要靠个人的甄别以及互联网违法和不良信息举报中心的人工检测，耗费人力，效率低下，依旧面临很多困难和挑战。
2、首先，现有的基于内容的方法要求文档为长文本，如新闻文章，以便更好地学习单词和句子的表示。但是，社交媒体上的文章往往是短文本，这就产生了严重的数据稀疏问题；第二，一些最先进的用于检测假新闻的模型要求每条新闻都收集丰富的用户评论，以了解转发者的意见，这通常是识别假新闻的有力证据，然而，社交媒体上的大多数用户倾向于简单地转发源故事而不留下任何评论，这就难以准确识别出假新闻；第三，一些研究认为社交网络中信息级联(即转发)的路径有助于对错误信息进行分类，从而学习基于树的传播结构的表示，然而，由于出于隐私考虑，大多数情况下获取转发的扩散结构代价高昂，而且许多用户会选择隐藏或删除社交互动的记录，这也给识别出假新闻带来难度；第四，如果服务提供商或政府机构希望检查谁是支持假新闻的可疑用户，以及他们在制造假新闻时担心哪些话题，现有模型无法提供解释，因此，现有的假新闻检测方法对假新闻的检测准确率和检测效果难以让人满意。
技术实现思路
1、本专利技术实施例提供了一种基于协同注意力的假新闻检测方法、装置、设备及介质，旨在提高对假新闻的
2、第一方面，本专利技术实施例提供了一种基于协同注意力的假新闻检测方法，包括：
3、获取待检测新闻文本，将所述待检测新闻文本输入融合模型的编码层中进行编码得到新闻编码向量，其中，所述融合模型包括融合协同注意力层、预测层以及所述编码层；
4、将所述新闻编码向量输入所述融合协同注意力层中进行提取优化得到新闻学习特征，其中，所述融合协同注意力层包括句子级协同注意力层、词级协同注意力层以及句子评论协同注意力层；
5、将所述新闻学习特征输入所述预测层进行检测得到新闻文本检测结果。
6、第二方面，本专利技术实施例还提供了一种基于协同注意力的假新闻检测装置，包括：
7、编码单元，用于获取待检测新闻文本，将所述待检测新闻文本输入融合模型的编码层中进行编码得到新闻编码向量，其中，所述融合模型包括融合协同注意力层、预测层以及所述编码层；
8、提取优化单元，用于将所述新闻编码向量输入所述融合协同注意力层中进行提取优化得到新闻学习特征，其中，所述融合协同注意力层包括句子级协同注意力层、词级协同注意力层以及句子评论协同注意力层；
9、检测单元，用于将所述新闻学习特征输入所述预测层进行检测得到新闻文本检测结果。
10、第三方面，本专利技术实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
11、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。
12、本专利技术实施例提供了一种基于协同注意力的假新闻检测方法、装置、设备及介质。其中，所述方法包括：获取待检测新闻文本，将所述待检测新闻文本输入融合模型的编码层中进行编码得到新闻编码向量，其中，所述融合模型包括融合协同注意力层、预测层以及所述编码层；将所述新闻编码向量输入所述融合协同注意力层中进行提取优化得到新闻学习特征，其中，所述融合协同注意力层包括句子级协同注意力层、词级协同注意力层以及句子评论协同注意力层；将所述新闻学习特征输入所述预测层进行检测得到新闻文本检测结果。本专利技术实施例的技术方案，先通过编码层对待检测新闻文本进行编码后得到新闻编码向量，再通过融合协同注意力层对新闻编码向量进行提取优化后得到新闻学习特征，最后通过预测层对新闻学习特征进行检测便可得到真假新闻的检测结果。通过融合协同注意力层的句子级、词级以及句子评论的三重协同注意力的提取优化，可以充分发挥协同注意力机制的作用，从新闻编码向量中提取出了更具细粒度和可信度的信息进行检测，提取的信息更加准确，提升了对假新闻的检测准确性和检测效果。
本文档来自技高网...【技术保护点】
1.一种基于协同注意力的假新闻检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述新闻编码向量输入所述融合协同注意力层中进行提取优化得到新闻学习特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述新闻编码向量输入所述句子级协同注意力层中进行提取协同得到句子级向量矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述将所述词级向量矩阵输入所述句子评论协同注意力层中进行筛选优化得到所述新闻学习特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述新闻学习特征包括句子学习特征和评论学习特征，所述根据所述句子评论亲和力矩阵、所述第二句子特征矩阵以及所述第二评论特征矩阵得到所述新闻学习特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述新闻学习特征输入所述预测层进行检测得到新闻文本检测结果，包括：
7.根据权利要求1所述的方法，其特征在于，新闻编码向量包括句子编码向量和评论编码向量，所述编码层包括注意力编码器，所述将所述待检测新闻文本输入融合模型的编
8.一种基于协同注意力的假新闻检测装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于协同注意力的假新闻检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述新闻编码向量输入所述融合协同注意力层中进行提取优化得到新闻学习特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述新闻编码向量输入所述句子级协同注意力层中进行提取协同得到句子级向量矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述将所述词级向量矩阵输入所述句子评论协同注意力层中进行筛选优化得到所述新闻学习特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述新闻学习特征包括句子学习特征和评论学习特征，所述根据所述句子评论亲和力矩阵、所述第二句子特征矩阵以及所述第二评论特征矩阵得到所述新闻学习特征，包括：
6.根据权...
【专利技术属性】
技术研发人员：姜文，张明书，魏彬，任科兰，闫法成，
申请(专利权)人：中国人民武装警察部队工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。