[发明专利]一种基于多模态关系的网络谣言检测方法有效

专利信息
申请号: 201911379313.1 申请日: 2019-12-27
公开(公告)号: CN111079444B 公开(公告)日: 2020-09-29
发明(设计)人: 张勇东;毛震东;邓旭冉;赵博文 申请(专利权)人: 北京中科研究院;中国科学技术大学
主分类号: G06F40/30 分类号: G06F40/30;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06Q50/00
代理公司: 北京凯特来知识产权代理有限公司 11260 代理人: 郑立明;郑哲
地址: 100193 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 多模态 关系 网络 谣言 检测 方法
【权利要求书】:

1.一种基于多模态关系的网络谣言检测方法,其特征在于,包括:

获取网络平台上发布的待检测的信息,包括图像以及相关的文本;

对于图像,通过预训练的fasterR-CNN模型提取出图像中包含不同类别物体的视觉特征向量;

对于文本,进行预处理后,通过门控循环单元进行语义向量的提取;

通过注意力机制,捕捉视觉特征向量与语义向量的重要程度,并实现图像与文本之间跨模态关联,从而更新视觉特征向量与语义向量;并且,基于更新后的视觉特征向量与语义向量,通过注意力机制各自建模内部动态信息的关系,从而再次更新视觉特征向量与语义向量;将再次更新得到的视觉特征向量与语义向量连接在一起,再通过一个二分类器,获得待检测的信息为谣言类别与真实类别的概率;

其中,所述通过注意力机制,捕捉视觉特征向量与语义向量的重要程度,并实现图像与文本之间跨模态关联,从而更新视觉特征向量与语义向量包括:

视觉特征向量与语义向量各自作为一个模态信息,通过注意力机制提取每一个(视觉特征向量,语义向量)对的重要程度,根据重要程度实现不同模态信息之间流动,以更新各模态信息,通过信息流动过程来实现图像与文本之间跨模态关联;操作过程如下:

对视觉特征向量与语义向量分别进行线性变换,得到注意力机制所需的k值、q值与v值,再通过向量内积获得模态间注意力权重:

其中,E表示语义向量,V表示视觉特征向量;k值、q值与v值是注意力机制里固有的变量,分别是键值、查询值与上下文向量;qV、kV表示视觉特征向量V的q、k值,qE、kE表示语义向量E的q、k值,dim代表向量维度;InterAttE→V、InterAttV→E依次表示语义向量到视觉特征向量的注意力权重、视觉特征向量到语义向量的注意力权重;

之后根据注意力权重,利用其他模态信息更新本模态信息特征向量,实现信息在不同模态间流动:

V′=InterAttE→V×vE

E′=InterAttV→E×vV

其中,vE、vV分别表示语义向量E、视觉特征向量V的v值;

再将更新后的视觉特征向量V′和语义特征向量E′与最初的视觉特征向量V和语义向量E通过全连接层进行串联,得到视觉特征向量V*和语义特征向量E*

2.根据权利要求1所述的一种基于多模态关系的网络谣言检测方法,其特征在于,包含不同类别物体的视觉特征向量表示为V={v1,v2,...,vK},其中,vi代表一个物体的视觉特征向量,K表示特征向量总数目,i=1,2,...,K。

3.根据权利要求1所述的一种基于多模态关系的网络谣言检测方法,其特征在于,所述的相关的文本包括:待检测的信息所包含的文本、以及其他用户转发该待检测的信息时附带的文本。

4.根据权利要求2所述的一种基于多模态关系的网络谣言检测方法,其特征在于,对文本进行预处理包括:去除文本中的冗余信息,仅保留文字信息,再拼接为文本序列,拼接间隙使用分隔符作为标识;所述冗余信息至少包括如下信息的一种或多种:符号表情、特殊字符、统一资源定位符。

5.根据权利要求1所述的一种基于多模态关系的网络谣言检测方法,其特征在于,通过门控循环单元进行语义向量的提取之前,使用预训练的GLOVE进行词特征的向量化,将预处理后的文本表示为矩阵形式,再使用门控循环单元进行特征提取,从而得到语义向量。

6.根据权利要求1所述的一种基于多模态关系的网络谣言检测方法,其特征在于,所述基于更新后的视觉特征向量与语义向量,通过注意力机制各自建模内部动态信息的关系,从而再次更新视觉特征向量与语义向量包括:

对视觉特征向量V*与语义向量E*分别进行池化并仿射变换到与k值、q值与v值相同的维度,之后计算通道式条件门向量MV→E,ME→V将另一模态信息引入:

MV→E=Sigmoid(Linear(V*pool))

ME→V=Sigmoid(Linear(E*pool))

其中,Linear(V*pool)与Linear(E*pool)分别为视觉特征向量V*与语义向量E*进行池化与仿射变换结果;Sigmoid表示Sigmoid函数;

两种通道式条件门向量对两种模态的k值与q值进行调制,k值与q值将通过在其他模态的通道式条件门进行激活或停用操作,更新后的k值与q值为:

上式中,表示再次更新后的视觉特征向量的q、k值,表示再次更新后的语义向量的q、k值;表示输入的视觉特征向量V*的q、k值,表示输入的语义向量E*的q、k值;

得到再次更新后的k值与q值后,利用注意力机制生成权重,并更新视觉特征向量与语义向量各自内部动态信息:

其中,IntraAttV→V、IntraAttE→E依次表示视觉特征向量内部的注意力权重、语义向量内部的注意力权重,分别为视觉特征向量V*、语义向量E*的v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北京中科研究院;中国科学技术大学,未经北京中科研究院;中国科学技术大学许可,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/201911379313.1/1.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