【技术实现步骤摘要】
本专利技术涉及自然语言处理和深度学习领域，特别是涉及基于实体-名词图和图卷积网络的虚假新闻检测方法及系统。
技术介绍
1、现有传统的基于机器学习的虚假新闻检测方法需要特征工程。根据模型所使用的特征，这些方法可大致分为三类：语言特征、时间结构特征和混合特征。虽然这些传统的机器学习方法取得了很好的结果，但它们严重依赖于费力的特征工程。随着深度学习在各个领域的发展，基于深度学习的虚假新闻检测方法被提出并引起了人们的广泛关注。虽然现有的基于新闻内容和外部知识的高级特征表示的深度学习方法在检测假新闻方面取得了巨大的成功，但它们忽略了新闻内容本身实体与名词之间的联系，影响虚假新闻检测的效果。
技术实现思路
1、本专利技术的目的在于提供基于实体-名词图和图卷积网络的虚假新闻检测方法及系统，以解决忽略了新闻内容本身实体与名词之间的联系，影响虚假新闻检测的效果的问题。
2、为实现上述目的，本专利技术采用以下技术方案：
3、第一方面，本专利技术提供基于实体-名词图和图卷积网络的虚假新闻
【技术保护点】
1.基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，包括：
2.根据权利要求1所述的基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，利用预训练语言模型BERT和GRU获取新闻文本的全局表征：
3.根据权利要求1所述的基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，利用命名实体识别从新闻文本中提取出实体、名词：
4.根据权利要求3所述的基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，构造为实体-名词图：同一句话中的实体存在关联，图结构中用一条边表示他们之间的关系，同样的，同一句话中的实体...
【技术特征摘要】
1.基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，包括：
2.根据权利要求1所述的基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，利用预训练语言模型bert和gru获取新闻文本的全局表征：
3.根据权利要求1所述的基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，利用命名实体识别从新闻文本中提取出实体、名词：
4.根据权利要求3所述的基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，构造为实体-名词图：同一句话中的实体存在关联，图结构中用一条边表示他们之间的关系，同样的，同一句话中的实体和名词之间也用边来连接，认为同一句话中的不同的名词之间没有必然的联系，如果他们有共同的实体，再通过共同的实体进行连接，实现实体-名词图的构建。
5.根据权利要求1所述的基于实体-名词图和图卷积网络的虚假新闻检测方法，其特征在于，利用图卷积网络来聚合实体-名词图...
【专利技术属性】
技术研发人员：朱琳琳，孙鹤立，黄小勇，伊庭洲，何亮，
申请(专利权)人：西安交通大学，
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。