[发明专利]一种谣言检测方法、装置、电子设备和存储介质

说明书

本发明提供一种谣言检测方法、装置、电子设备和存储介质，包括：获取待检测事件；将所述待检测事件输入至谣言检测模型中，得到所述谣言检测模型输出的谣言检测结果；其中，所述谣言检测模型是基于谣言事件、所述谣言事件的传播特征以及谣言事件间的关系特征训练得到的。该方法用以解决现有技术中在谣言的检测方面，对谣言的分析角度不够全面的缺陷，实现将事件的传播特征与事件间关系融合用于谣言的检测，有效提高了谣言检测的准确性。

技术领域

本发明涉及网络谣言检测技术领域，尤其涉及一种谣言检测方法、装置、电子设备和存储介质。

背景技术

近年来，随着微博、推特等社交媒体的深度普及，用户可以自由的发布信息，用户之间能够直接建立联系和交流，加速了信息的流动和传播，同时也使得谣言事件的产生和传播更加的容易和迅速。

谣言指捏造的没有相应事实依据的，并通过社交媒体网络传播的可能造成严重后果的言论。谣言检测技术通过对现有计算机相关知识和技能的运用，能够检测出在网络社交平台上的哪些信息是谣言。

然而，现有技术仍存在一些不完善的地方，例如：现有的关注谣言传播过程的研究只倾向于研究谣言的传播结构特征，忽略了谣言传播的时间特征和不同转发帖子的重要程度；现有的谣言检测研究倾向于只从单一传播结构角度或只从单一的文本角度来进行谣言检测，忽略了事件参与用户在谣言传播中的作用，即忽略了事件之间的联系。

发明内容

本发明提供一种谣言检测方法、装置、电子设备和存储介质，用以解决现有技术中在谣言的检测方面，对谣言的分析角度不够全面的缺陷，实现将事件的传播特征与事件间关系融合用于谣言的检测，有效提高了谣言检测的准确性。

本发明提供一种谣言检测方法，包括：

获取待检测事件；

将所述待检测事件输入至谣言检测模型中，得到所述谣言检测模型输出的谣言检测结果；

其中，所述谣言检测模型是基于谣言事件、所述谣言事件的传播特征以及谣言事件间的关系特征训练得到的。

根据本发明提供的一种谣言检测方法，将待检测事件输入至谣言检测模型中，得到所述谣言检测模型输出的谣言检测结果，包括：

将所述待检测事件分别输入至所述谣言检测模型中的特征处理层和关系处理层；由所述特征处理层输出由所述待检测事件中提取的事件文本特征向量和事件传播特征向量融合得到的事件的混合特征向量构建的混合特征向量的向量矩阵；由所述关系处理层输出根据所述待检测事件与其他谣言事件间的联系关系构建的表示事件间联系紧密程度的第一邻接矩阵；

将所述混合特征向量的向量矩阵和第一邻接矩阵输入至所述谣言检测模型中的特征构造层，输出所述待检测事件与其他谣言事件间的事件关系特征；

将所述事件关系特征输入至所述谣言检测模型的输出层，输出对所述待检测事件是否为谣言的检测结果。

根据本发明提供的一种谣言检测方法，将所述待检测事件输入至所述谣言检测模型中的特征处理层，所述特征处理层由所述待检测事件中提取事件传播特征向量，包括：

根据所述待检测事件的贴文的转发关系构建所述待检测事件的传播图；

通过所述传播图得到表示转发贴文对被转发贴文的影响力度的第二邻接矩阵；

将由所述事件文本特征向量得到的文本特征向量矩阵和所述第二邻接矩阵输入根增强图卷积神经网络模型中，得到所述事件传播特征向量。

根据本发明提供的一种谣言检测方法，通过所述根增强图卷积神经网络模型得到所述事件传播特征向量，包括：

将所述文本特征向量矩阵和第二邻接矩阵输入所述根增强图卷积神经网络模型中，经过所述根增强图卷积神经网络模型的预定层数后，得到更新事件传播特征向量矩阵；