[发明专利]一种基于多模态关系的网络谣言检测方法有效
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 | ||
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。
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。
- 上一篇:一种抽芯成型机构及模具
- 下一篇:一种适用于助听器的干燥除湿的方法