【技术实现步骤摘要】
本专利技术涉及自然语言处理中的谣言检测，特别是涉及一种供需灵活性量化的源-荷-储多时间尺度协同优化方法。
技术介绍
1、如今，网络社交媒体已成为人们信息获取和发表看法的主流方式，如twitter和weibo等在线社交媒体打破了人们的交流屏障，但同时也为谣言的传播提供了温床；为了解决谣言检测的问题，人们提出了多种检测方法，包括传统的基于机器学习的检测模型和基于深度学习的检测模型。传统机器学习检测模型主要是通过手工标注特征，利用大量的标注数据训练得到分类器，如决策树、随机森林等方法。后来随着深度学习的广泛运用，基于神经网络的方法被运用在谣言检测任务中。许多学者从谣言的文本信息、用户信息和传播结构等方面进行检测研究并取得了优异的成绩。
2、然而，这些方法的性能受限于标记数据的数量，而在实际场景中，社交媒体平台每天都会发布各种各样的信息，新出现的事件很难及时获得足够的标记数据。因此要有效利用更易获得的无标记样本，半监督学习是解决这一问题的主要方法之一。同时，大部分谣言检测方法都是基于可靠的拓扑结构和数据样本进行分析学习的，但为了获得...
【技术保护点】
1.一种基于边增强一致性的半监督谣言检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于边增强一致性的半监督谣言检测方法，其特征在于，所述步骤S2中使用边增强提高数据质量并分离一致性信息包括：
3.根据权利要求1所述一种基于边增强一致性的半监督谣言检测方法，其特征在于，双通道图卷积网络结构包括：
4.根据权利要求1所述一种基于边增强一致性的半监督谣言检测方法，其特征在于，步骤S3中有监督交叉熵损失函数包括：
5.根据权利要求1所述一种基于边增强一致性的半监督谣言检测方法，其特征在于，步骤S4中无监督一致性
【技术特征摘要】
1.一种基于边增强一致性的半监督谣言检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于边增强一致性的半监督谣言检测方法，其特征在于，所述步骤s2中使用边增强提高数据质量并分离一致性信息包括：
3.根据权利要求1所述一种基于边增强一致性的半监督谣言检测方法，其特征在于，双通道图卷积网络结构包括：
4....
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。