[发明专利]基于内容、用户多因素分析的社交网络谣言检测方法在审

专利信息
申请号: 201711453302.4 申请日: 2017-12-26
公开(公告)号: CN108038240A 公开(公告)日: 2018-05-15
发明(设计)人: 刘金硕;牟成豪;李改潮;李晨曦;杨广益;李扬眉;陈煜森;邓娟 申请(专利权)人: 武汉大学
主分类号: G06F17/30 分类号: G06F17/30;G06F17/27;G06Q50/00
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 郑勤振
地址: 430072 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 内容 用户 因素 分析 社交 网络 谣言 检测 方法
【权利要求书】:

1.一种基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,包括:

步骤a,获取文本信息例,并获取文本信息例的文本信息和用户信息;

步骤b,根据所述文本信息,建立所述文本信息例的文本内容特征模型,所述文本内容特征模型包括关键词匹配模型、情感倾向模型、情感波动模型、主题聚类匹配模型和内容影响力评价模型;

步骤c,根据所述用户信息,构建所述文本信息例的用户特征模型,所述用户特征模型包括内容一致性评判模型和用户影响力评价模型;

步骤d,根据所述文本内容特征模型和所述用户特征模型,构建特征向量,训练分类器,将所述特征向量输入所述分类器并输出结果,以完成识别社交网络谣言。

2.根据权利要求1所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,建立所述关键词匹配模型步骤包括:

步骤b11,收集特定领域内相关内容,同时进行分词处理,根据词频统计常见谣言用词作为特定领域谣言关键词库;

步骤b12,收集现有知识图谱内领域相关实体内容,通过自动查询以实体名称作为受害目标谣言关键词库;

步骤b13,对自媒体谣言数据进行数据格式化以及分词处理,根据词频统计常见谣言用词作为通用谣言关键词库;

步骤b14,新文本分词之后,匹配各个关键词词库,给出新文本对应的关键词占比,按照各关键词词库的权重加权求和得到该新文本最终的关键词匹配度。

3.根据权利要求1所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,建立所述情感倾向模型步骤包括:

步骤b21,利用预训练Word2Vec模型建立文本嵌入输入层;

步骤b22,使用公开情感数据集进行分词处理;

步骤b23,训练LSTM分类模型;

步骤b24,使用LSTM分类模型进行预测时,对新文本进行分词处理,获得最终的类别概率分布,并取负向情感所在索引的概率值作为情感倾向模型输出结果。

4.根据权利要求3所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,建立所述情感波动模型步骤包括:在所述情感倾向的模型上,细化输入文本粒度到句子,最后统计整段/篇文章的情感倾向方差,作为情感波动的最终结果。

5.根据权利要求1所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,建立所述主题聚类匹配模型步骤包括:

步骤b31,提取数据库时间窗口内的所有信息,并进行分词处理;

步骤b32,使用TF-IDF模型进行向量化文本;

步骤b33,使用K-means++算法进行聚类迭代,直到满足步数要求停止;

步骤b34,新文本分词之后,进行TF-IDF转化,在与上一步产生的聚类中心进行相似度计算,选取最近的一个主题作为新文本的主题。

6.根据权利要求1所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,所述内容影响力评价模型为消息的传播数目相对排名。

7.根据权利要求6所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,所述消息的传播数目为消息的转发、评论和点赞数目的总和。

8.根据权利要求1所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,建立所述内容一致性评判模型步骤包括:

步骤c1,提取当前消息之前的时间窗口内的所有信息,并同时做分词处理;

步骤c2,使用预训练的Doc2Vec模型对文本进行向量化;

步骤c3,计算历史消息向量与当前消息向量的余弦相似度的方差。

9.根据权利要求1所述的基于内容、用户多因素分析的社交网络谣言检测方法,其特征在于,所述用户影响力评价模型为用户的粉丝数目与粉丝数目加上用户关注数目的比值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711453302.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top