基于双向图神经网络的谣言检测方法技术

本发明专利技术公开的属于自然语言处理和信息传播技术领域，具体为基于双向图神经网络的谣言检测方法，包括具体步骤如下：利用深度学习方法对用户生成内容短文本数据进行词特征提取，使用提取的词特征建立HIN框架，使之能够集成附加信息并捕获文本和附加信息之间的丰富关系，以此减少文本的稀疏性，本发明专利技术的方法提出了一种灵活的HIN(异构信息网络)框架来对短文本建模，它可以集成任何类型的附加信息，以及捕捉它们的关系，以解决语义稀疏性。在此基础上，提出一种基于两级注意力机制的异构图注意力网络(HGAT)，通过嵌入HIN以进行文本分类，其拥有两级注意力机制，分别为节点级注意力机制和类型级注意力机制。

【技术实现步骤摘要】

本专利技术涉及自然语言处理和信息传播，具体为基于双向图神经网络的谣言检测方法。

技术介绍

1、谣言这一概念，自古就有。在这里就需要提出自媒体这一概念。伴随着推特，微博之类的平台出现，传统的纸质媒体也逐渐向自媒体方向转化。而我们这些用户，则由以前的信接收者转换成为接收者以及制造者，这就导致了一些用户为了吸引别人的关注从而获取利益，甚至成为了斗争武器。

2、谣言的一个被广泛接受的定义是“流通中未经证实和工具相关的信息陈述”。这些未经验证的信息最终可能会被证明是真实的，或者部分或全部是错误的。在当今这个联系紧密的世界中，由于社交媒体平台，谣言可能会以闪电般的速度出现和传播，这不仅是错误的，而且对公众社会具有误导性和危险性。因此，及时跟踪和揭穿此类谣言至关重要。

3、记者和事实核查网站(如snopes.com)努力跟踪和检测谣言。但是，这种努力是手动的，因此容易出现覆盖不良和低速。基于特征的方法通过采用从消息内容、用户配置文件和扩散模式的整体统计信息(例如，转发次数，传播时间等)进行检测，取得了一定的成功。但这种方法过于简单化，没有考虑消息本文档来自技高网...

【技术保护点】

1.基于双向图神经网络的谣言检测方法，其特征在于，包括具体步骤如下：

2.根据权利要求1所述的基于双向图神经网络的谣言检测方法，其特征在于，所述S1中的深度学习方法如下：

3.根据权利要求1所述的基于双向图神经网络的谣言检测方法，其特征在于，所述S1中用户生成图G＝(V,E)，包含短文本D＝{d1，…，dm}，话题T＝{t1，…，tk}，实体E＝{e1，…，en}作为节点，即V＝D∪T∪E。

4.根据权利要求1所述的基于双向图神经网络的谣言检测方法，其特征在于，所述S2的具体步骤如下：

5.根据权利要求1所述的基于双向图神经网络的谣言检测方...

【技术特征摘要】

1.基于双向图神经网络的谣言检测方法，其特征在于，包括具体步骤如下：

2.根据权利要求1所述的基于双向图神经网络的谣言检测方法，其特征在于，所述s1中的深度学习方法如下：

3.根据权利要求1所述的基于双向图神经网络的谣言检测方法，其特征在于，所述s1中用户生成图g＝(v,e)，包含短文本d＝{d1，…，dm}，话题t＝{t1，…，tk}，实体e＝{e1，…，en}作为节点，即v＝d∪t∪e。

4.根据权利要求1所述的基于双向图神经网络的谣言检测方法，其特征在于，所述s2的具...

【专利技术属性】
技术研发人员：林源堃，李铭伟，李风环，陈宸，陈浩鹏，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：