一种基于知识蒸馏的多特征融合谣言检测方法、系统及装置制造方法及图纸

本发明专利技术提供了一种基于知识蒸馏的多特征融合谣言检测方法、系统及装置，主要解决现有模型计算开销高、特征融合不足及情感利用不充分的问题。方法首先获取社交媒体原文及评论等多维数据；利用预训练模型提取深度语义表示，结合混合神经网络分析评论情感特征；随后，将语义、情感、表情符号与流行语等特征输入层次门控交互融合网络(GIFN)，动态调整权重以实现多粒度特征的有效融合。为降低复杂度，设计知识蒸馏框架：使用深度GIFN作为教师网络生成软标签，指导轻量化学生网络(LSTM)进行训练。训练后的学生模型显著减小了参数量，同时保持了良好的检测性能，便于部署在实际内容审核系统或边缘设备，高效实现社交内容谣言的识别与判定。

【技术实现步骤摘要】

本专利技术属于自然语言处理与社交媒体信息检测领域，提供了一种基于知识蒸馏与多特征融合的谣言检测方法、系统及装置，具体涉及社交媒体文本的语义挖掘、多特征动态融合、轻量化模型推理技术，以及知识蒸馏框架下的模型压缩与分类性能优化。

技术介绍

1、近年来，社交媒体平台已成为谣言传播的主要渠道，谣言的快速扩散与演变对社会秩序和公众认知造成严重威胁。因此，如何高效识别与检测谣言信息成为亟待解决的关键问题。相较于依赖单一语义特征的检测方法，利用多特征(如文本的语义、情感倾向、传播结构、用户行为等维度)联合建模能够更全面地捕捉谣言的内在规律与传播特征。当前研究逐渐聚焦于挖掘多特征融合的检测方法，但现有技术仍存在显著不足。

2、现有的大多数谣言检测方法主要存在以下问题：

3、(1)单一特征表征的局限性：传统方法通常基于文本的表层语义或关键词统计特征进行检测，忽视情感极性、传播路径、用户可信度等深层特征对谣言判别的影响，导致模型对复杂谣言场景的泛化能力不足。

4、(2)多特征融合策略低效：现有方法在对多特征进行融合时，多采用直接拼接或加权相本文档来自技高网...

【技术保护点】

1.一种基于知识蒸馏的多特征融合谣言检查方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的谣言检测方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤2包括：

4.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤3包括：

5.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤4包括：

6.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤5包括：>

7.一种基于...

【技术特征摘要】

1.一种基于知识蒸馏的多特征融合谣言检查方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的谣言检测方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤2包括：

4.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤3包括：

5.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤4包括：

6.根据权利要求1所述的基于知识蒸馏的多特征融合谣言检测方法，其特征在于，所述步骤5包括：

...

【专利技术属性】
技术研发人员：唐若双，葛继科，刘阳，宋垒斌，肖华成，肖翔，陈祖琴，刘海波，
申请(专利权)人：重庆科技大学，
类型：发明
国别省市：