【技术实现步骤摘要】
本申请属于人工智能领域，具体涉及一种谣言检测方法、计算机设备及可读存储介质。
技术介绍
1、随着社交媒体的迅猛发展，平台用户数量持续增长，信息传播速度显著加快，虚假信息（包括谣言、误导性内容等）的扩散日益广泛，并呈现出多模态融合、高度动态与结构复杂等新特征。虚假信息的泛滥不仅扰乱公众认知、削弱社会信任，还对公共安全、政治稳定和舆情治理构成严峻挑战。
2、传统技术中，由于社交媒体中的信息通常为多模态信息，因此谣言检测通常是对多模态信息进行检测，然而，检测过程中因需要分别处理不同模态的信息，检测效率不高。
技术实现思路
1、本申请实施例的目的是提供一种谣言检测方法，能够解决如何提高社交媒体中谣言检测效率的问题。
2、为了解决上述技术问题，本申请是这样实现的：
3、第一方面，本申请实施例提供了一种谣言检测方法，该方法包括：
4、确定用于谣言检测的待检多模态数据；
5、基于所述待检多模态数据，调用谣言检测模型，生成谣言检测结果；
<...【技术保护点】
1.一种谣言检测方法，其特征在于，所述谣言检测方法包括：
2.根据权利要求1所述的谣言检测方法，其特征在于，所述视图构建模块还用于基于实体对齐机制，建立跨视图实体对齐边，以形成融合视图；所述跨视图实体对齐边是指来自于不同视图的两个实体之间的边。
3.根据权利要求2所述的谣言检测方法，其特征在于，所述谣言检测模型还包括关联建模模块，所述关联建模模块用于采用基于概率密度编码的时间感知机制，将所述异构视图中节点的时间戳编码为时间特征向量；所述时间特征向量为可学习的高斯基函数激活值；
4.根据权利要求3所述的谣言检测方法，其特征在于，所述关...
【技术特征摘要】
1.一种谣言检测方法，其特征在于，所述谣言检测方法包括：
2.根据权利要求1所述的谣言检测方法，其特征在于，所述视图构建模块还用于基于实体对齐机制，建立跨视图实体对齐边，以形成融合视图；所述跨视图实体对齐边是指来自于不同视图的两个实体之间的边。
3.根据权利要求2所述的谣言检测方法，其特征在于，所述谣言检测模型还包括关联建模模块，所述关联建模模块用于采用基于概率密度编码的时间感知机制，将所述异构视图中节点的时间戳编码为时间特征向量；所述时间特征向量为可学习的高斯基函数激活值；
4.根据权利要求3所述的谣言检测方法，其特征在于，所述关联建模模块还用于在所述异构视图的内部构建新的图结构，得到初始图；
5.根据权利要求4所述的谣言检测方法，其特征在于，所述谣言检测模型还包括跨视图语义融合模块，所述跨视图语义融合模块用于确定不同异构视图中目标同源节点的新的向量表示；对该新的向量表示进行加权融合，得到统一特征向量；
<...【专利技术属性】
技术研发人员：肖文，黄学坚，金文文，徐衍微，张亮，罗娟，林德钰，欧阳欢，余先荣，庞孟，
申请(专利权)人：江西警察学院，
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。