[发明专利]一种基于多表示学习的跨领域虚假新闻检测方法

说明书

本发明涉及一种基于多表示学习的跨领域虚假新闻检测方法。本发明的技术方案为一种基于多表示学习的跨领域虚假新闻检测方法，获取待检测的新闻文本和该新闻文本所属的领域标签；将新闻文本输入BERT模型，提取新闻文本的词嵌入向量；将新闻文本的词嵌入向量和领域标签输入基于多表示学习的领域共享特征生成器，得到融合的领域共享特征表达；将融合的领域共享特征表达输入虚假新闻分类器，输出新闻真假分类的概率值结果。本发明适用于虚假新闻检测领域。本发明通过领域门模型学习领域之间的关系，根据不同的领域之间的关系动态调节不同领域对于不同的领域共享特征的权重，降低了领域共享知识的学习难度，提高了跨领域的虚假新闻检测能力。

技术领域

本发明涉及一种基于多表示学习的跨领域虚假新闻检测方法。适用于虚假新闻检测领域。

背景技术

随着互联网的发展，社交媒体成为人们获取资讯的重要渠道。然而，事物的发展总是有两面性，社交媒体在给人们带来便利的同时，也为虚假新闻广泛、快速的传播提供了渠道。虚假新闻的泛滥会对社会的经济、政治等方面产生严重危害。虚假新闻涉及诸多领域(例如军事、政治等)，不同领域数据分布之间存在差异，如何进行跨领域的虚假新闻检测成为了当前亟待解决的重要问题。

虚假新闻定义为：故意捏造并可被证实为假的消息。随着网络媒体的富媒体化，新闻的形式也变得多种多样，新闻中可以包含新闻文本、图片、视频等多模态的信息。

虚假新闻检测方法按照输入类型的不同可以分为基于新闻内容的方法和基于社交上下文的方法。基于新闻内容的虚假新闻检测方法通常通过挖掘虚假(或真实)新闻内容各自的模式，来区分真实和虚假新闻。基于社交上下文的虚假新闻检测方法聚焦于利用新闻社交媒体传播过程中留下的各种信息进行检测，除去新闻内容本身，这些信息还包括传播图结构、转发内容、评论内容以及参与用户信息等。

目前的跨领域的虚假新闻检测方法都是基于领域自适应的方法，将所有领域的分布进行对齐，进而提取出所有领域的领域共享特征，来进行虚假新闻检测。领域共享特征可以看做是领域间通用的知识，可以在所有领域中提升虚假新闻检测的能力。

基于领域自适应的领域共享特征提取方法将所有领域在同一个特征空间下进行强制对齐，进而生成一个领域共享特征，这种方法的缺陷是：(1)不同领域之间的共享知识是不同的，有些领域比较相似，能够提取出可迁移的共享特征，而有些领域之间差异性较大，强行提取其中的共享知识可能会造成负迁移现象，造成模型性能的下降。(2)随着领域数量的增加，领域对齐会越来越困难，领域共享的知识也会越来越难以学习，强行提取所有领域的共享特征效果提升不显著。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种基于多表示学习的跨领域虚假新闻检测方法。

本发明所采用的技术方案是：一种基于多表示学习的跨领域虚假新闻检测方法，其特征在于：

获取待检测的新闻文本和该新闻文本所属的领域标签；

将新闻文本输入BERT模型，提取新闻文本的词嵌入向量；

将新闻文本的词嵌入向量和领域标签输入基于多表示学习的领域共享特征生成器，得到融合的领域共享特征表达；

将融合的领域共享特征表达输入虚假新闻分类器，输出新闻真假分类的概率值结果。

所述将新闻文本的词嵌入向量和领域标签输入基于多表示学习的领域共享特征生成器得到融合的领域共享特征表达，包括：

将新闻文本的词嵌入向量输入多个领域共享专家，生成多个不同的领域共享特征，每个领域共享特征关注领域共享知识的一个方面；

将领域标签输入经训练的领域门模型，得到各领域共享特征的权重；

基于多个领域共享专家生成的多个领域共享特征和所述领域门模型得到的相应领域共享特征权重进行加权求和，得到融合的领域共享特征表达。