【技术实现步骤摘要】
本申请涉及社交网络谣言检测，特别是涉及一种基于图注意力机制与自监督学习的多维度谣言检测方法。
技术介绍
1、在互联网时代，社交媒体和网络平台的兴起极大地促进了信息的快速流通，但同时也带来了谣言和虚假信息的广泛传播。这些谣言不仅误导公众，还可能引发社会恐慌、扰乱秩序，甚至影响经济稳定，因此，开发有效的谣言检测技术变得尤为迫切。
2、大多数现有的谣言检测方法主要依赖于文本的语义信息，因此在多语言或跨平台环境下，检测效果往往受到限制。传统模型通常需要针对不同语言单独进行特征提取和训练，导致跨语言的迁移能力较弱。同时在谣言传播初期，谣言常常以非文本的形式通过用户的互动、转发行为迅速扩散，传统文本分析方法难以及时捕捉这些行为变化，反应速度相对滞后。
3、其次，很多检测方法忽视了谣言和真实信息在用户转发时间分布上的显著差异，谣言通常在早期传播迅速，伴随大量用户的集中转发，而真实信息的转发时间分布更加分散和稳健。此外，大多数现有的谣言检测模型缺乏对检测结果的可解释性，无法清晰地解释哪些特征对分类结果起到了关键作用。这不仅降低了...
【技术保护点】
1.一种基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述预处理包括数据归一化处理，其公式为：
3.根据权利要求1所述的基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述双层图注意力网络的注意力机制计算公式为：
4.根据权利要求1所述的基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述图自监督学习模型采用DGI模型，用于最大化图结构中的全局信息和局部信息之间的互信息，获取图或节点的有用
<...【技术特征摘要】
1.一种基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述预处理包括数据归一化处理，其公式为：
3.根据权利要求1所述的基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述双层图注意力网络的注意力机制计算公式为：
4.根据权利要求1所述的基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，所述图自监督学习模型采用dgi模型，用于最大化图结构中的全局信息和局部信息之间的互信息，获取图或节点的有用嵌入向量。
5.根据权利要求4所述的基于图注意力机制与自监督学习的多维度谣言检测方法，其特征在于，采用稀疏性损失、正交性损失和正则化损失优化...
【专利技术属性】
技术研发人员：刘权辉，王唯一，余兰兰，李雨恒，胡锦仪，郑皓月，阳心滏，冯文韬，黄树东，吕建成，
申请(专利权)人：四川大学，
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。