增强异质图注意力网络的虚假新闻检测方法技术

本发明专利技术公开的属于自然语言处理和图神经网络技术领域，具体为增强异质图注意力网络的虚假新闻检测方法，包括具体步骤如下：对文本数据进行预处理后，利用预训练模型及自然语言处理方法，对短文本数据进行特征提取和关系分析，并通过预训练模型驱动的提示学习，显著增强短文本语义丰富度；根据短文本及其附属多元信息之间的关系，建立异质图以突出文本与附属多元信息之间的关系，为虚假新闻检测任务提供充足信息；本发明专利技术的方法针对短文本虚假新闻检测的特点，构建了一个能够全面反映新闻数据复杂性的异质图模型，在融合多种类型节点的基础上，对各类新闻元数据的特点进行了充分的考虑。

【技术实现步骤摘要】

本专利技术涉及自然语言处理和图神经网络，具体为增强异质图注意力网络的虚假新闻检测方法。

技术介绍

1、近年来，互联网和社交媒体的普及与快速发展，给人们的信息获取带来了前所未有的便利。然而，随着信息传播速度的加快，虚假新闻的广泛传播成为了一个亟待解决的社会问题。虚假新闻不仅误导公众，造成社会恐慌，还可能影响公共决策、经济稳定等，产生深远的负面影响。因此，如何有效检测虚假新闻，成为了当前研究的热点和难点。

2、现有的虚假新闻检测方法主要包括基于文本特征、传播路径和情感信息的检测方法。然而，这些方法在处理纯文本数据时，往往忽略了新闻元数据(如新闻的作者、发布时间、来源等)的重要价值，这些元数据能够提供新闻的背景信息，对新闻的真实性判断具有重要作用。此外，现有研究大多聚焦于单个文本的属性来构建整体表示，而忽视了相关文本之间的潜在联系，这种联系能够揭示新闻在传播过程中的模式和规律。

3、在社交网络时代，数据的海量性、动态性、稀疏性、多维异构性、不确定性、非线性等特性，使得传统的方法难以适应当前社交网络环境下的信息处理需求。尤其在虚假新闻检测领本文档来自技高网...

【技术保护点】

1.增强异质图注意力网络的虚假新闻检测方法，其特征在于，包括具体步骤如下：

2.根据权利要求1所述的增强异质图注意力网络的虚假新闻检测方法，其特征在于，所述S1中预训练模型为BERT，利用预训练BERT对文本强大的理解能力，对短文本数据进行特征提取。

3.根据权利要求2所述的增强异质图注意力网络的虚假新闻检测方法，其特征在于，所述特征提取包括主题特征、身份特征。

4.根据权利要求1所述的增强异质图注意力网络的虚假新闻检测方法，其特征在于，所述S1中自然语言处理方法为TagMe实体链接工具和基于维基百科语料库的Word2vec模型，通过TagMe将识别出...

【技术特征摘要】

1.增强异质图注意力网络的虚假新闻检测方法，其特征在于，包括具体步骤如下：

2.根据权利要求1所述的增强异质图注意力网络的虚假新闻检测方法，其特征在于，所述s1中预训练模型为bert，利用预训练bert对文本强大的理解能力，对短文本数据进行特征提取。

3.根据权利要求2所述的增强异质图注意力网络的虚假新闻检测方法，其特征在于，所述特征提取包括主题特征、身份特征。

4.根据权利要求1所述的增强异质图注意力网络的虚假新闻检测方法，其特征在于，所述s1中自然语言处理方法为tagme实体链接工具和基于维基百科语料库的word2vec模型，通过tagme将识别出的实体映射到维基百科中相应的条目，并通过word2vec来学习实体的表征。

5.根据权利要求1所述的增强异质图注意力网络的虚假新闻检测方法，其特征在于，所述s1中提示学习方法为利用bert模型强大的文本预测能力，通过具体的离散提示模板，形式为：“新闻文本+here is a piece of news with[mask]information....

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