【技术实现步骤摘要】
本专利技术涉及虚假信息检测，更为具体地，涉及一种基于多视图特征分解的虚假信息检测方法及系统。
技术介绍
1、目前，研究学者在虚假信息检测领域广泛应用了多种深度学习方法，如长短期记忆网络、循环神经网络、卷积神经网络以及图神经网络等，这些方法在虚假信息的检测上取得了不错的结果。然而，传统的虚假信息检测方法主要针对单一数据或单一视图进行研究，比如基于立场特征的检测、基于传播网络的检测、基于风格的检测等。单视图虚假信息检测方法依赖于信息的单一源或者只分析信息的部分属性，忽略了其他视图的互补性带来的增益效果。为了充分利用信息数据的多方面特征，目前对虚假信息的研究已经逐渐从单一视图转变为多视图的研究。基于多视图的虚假信息检测方法通常是枚举所有视图的组合，这样的方法无法避免有噪声的视图组合，产生巨大的信息冗余，不仅计算量大而且难以充分利用不同视图间的一致性和互补性信息。
2、自各大社交媒体平台兴起以来，虚假信息层出不穷，国内外已有不少学者针对此现象做出相应研究。由于同一信息数据可以表示为不同视图，这些研究根据使用特征集的不同可以分为单视图...
【技术保护点】
1.一种基于多视图特征分解的虚假信息检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于多视图特征分解的虚假信息检测方法，其特征在于，所述步骤S1中，不同视图包括语义视图、风格视图和情感视图。
3.如权利要求2所述的基于多视图特征分解的虚假信息检测方法，其特征在于，
4.如权利要求3所述的基于多视图特征分解的虚假信息检测方法，其特征在于，在所述步骤S2中，将每个视图的特征分离为共享特征和特有特征，包括：
5.如权利要求4所述的基于多视图特征分解的虚假信息检测方法，其特征在于，在所述步骤S2中，对齐不同视图间的...
【技术特征摘要】
1.一种基于多视图特征分解的虚假信息检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于多视图特征分解的虚假信息检测方法，其特征在于，所述步骤s1中，不同视图包括语义视图、风格视图和情感视图。
3.如权利要求2所述的基于多视图特征分解的虚假信息检测方法，其特征在于，
4.如权利要求3所述的基于多视图特征分解的虚假信息检测方法，其特征在于，在所述步骤s2中，将每个视图的特征分离为共享特征和特有特征，包括：
5.如权利要求4所述的基于多视图特征分解的虚假信息检测方法，其特征在于，在所述步骤s2中，对齐不同视图间的共享特征得到最终共享特征，包括：
6.如权利要求4所述的基于多视图特征分解的虚假信息检测方法，其特征在...
【专利技术属性】
技术研发人员：黄子鉴，蔡娟娟，王京玲，李传珍，朱云洁，
申请(专利权)人：中国传媒大学，
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。