公开(公告)号：CN112329444B

公开(公告)日：2022-09-02

申请号：CN202011245311.6

申请日：2020-11-10

Applicant: 南开大学

Inventor： 陈晨 ,  屠克非 ,  袁晓洁

IPC: G06F40/216 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 融合传播结构的谣言检测方法，涉及社交网络数据检测。利用新闻的传播结构和源文本作为输入数据，构建基于深度学习的谣言检测模型。本方法首先提出了一种用于学习谣言传播结构的图嵌入方法，其能将新闻传播过程中的传播结构信息嵌入到合适的隐空间上。本方法还提出了一个基于CNN模块的双分支谣言检测模型，其包含两个子分支，一个分支用于学习谣言的源文本的文本特征，另一个分支则用于检测蕴含在嵌入节点序列的传播结构特征。对于Weibo和Twitter的四个常见数据集，本方法能够学习到谣言的传播结构特征，并将其和文本特征进行融合。实验结果表明，本方法不仅拥有优于目前已有的方法的检测效果，还能够在谣言传播的早期就给出判断。

公开(公告)号：CN112329444A

公开(公告)日：2021-02-05

申请号：CN202011245311.6

申请日：2020-11-10

Applicant: 南开大学

Inventor： 陈晨 ,  屠克非 ,  袁晓洁

IPC: G06F40/216 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 融合传播结构的谣言检测方法，涉及社交网络数据检测。利用新闻的传播结构和源文本作为输入数据，构建基于深度学习的谣言检测模型。本方法首先提出了一种用于学习谣言传播结构的图嵌入方法，其能将新闻传播过程中的传播结构信息嵌入到合适的隐空间上。本方法还提出了一个基于CNN模块的双分支谣言检测模型，其包含两个子分支，一个分支用于学习谣言的源文本的文本特征，另一个分支则用于检测蕴含在嵌入节点序列的传播结构特征。对于Weibo和Twitter的四个常见数据集，本方法能够学习到谣言的传播结构特征，并将其和文本特征进行融合。实验结果表明，本方法不仅拥有优于目前已有的方法的检测效果，还能够在谣言传播的早期就给出判断。