申请/专利权人：重庆理工大学

申请日：2023-10-19

公开（公告）日：2024-06-21

公开（公告）号：CN117574261B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/243;G06F18/213;G06N3/0455;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明提出了一种多领域虚假新闻读者认知检测方法，包括以下步骤：S1，采集虚假新闻，获得虚假新闻中与读者认知相关的关键特征，所述关键特征包括标题内容和或头图、读者行为、对读者的影响和作者意图；S2，将虚假新闻输入MDRCD模型，通过MDRCD模型输出的认知标签判断公众认为虚假新闻是否为真，从而判断公众的认知结果是否正确。本发明提出MDRCD模型解决检测读者对于虚假新闻认知的问题。

主权项：1.一种多领域虚假新闻读者认知检测方法，其特征在于，包括以下步骤：S1，采集虚假新闻，获得虚假新闻中与读者认知相关的关键特征，所述关键特征包括标题内容和或头图、读者行为、对读者的影响和作者意图；S2，将虚假新闻中与读者认知相关的关键特征输入MDRCD模型，通过MDRCD模型输出的认知标签判断读者认为虚假新闻是否为真，从而判断读者的认知结果是否正确；所述MDRCD模型包括预处理模块、多领域特征提取模块和分类器模块，预处理模块：将文本格式的关键特征转换为数字格式的标记；多领域特征提取模块：数字格式的关键特征作为输入数据，对输入数据进行特征提取；多领域特征提取模块包括XLNet、text_CNN和领域门；XLNet通过使用多层Transformer结构对来自预处理模块的标记进行编码和学习，最终将生成相应的输出W＝[w1,w2,…,wn]，w1表示第1条新闻提取的特征，wn表示第n条新闻提取的特征；然后将XLNet的输出W作为多个text_CNN的输入，每个text_CNN用于对某一领域的数据集进行特征提取，其中第i个text_CNN的输出为ei：ei＝ΦiW；θi1其中θi表示第i个text_CNN的学习参数；Φi·表示第i个text_CNN；XLNet的输出W通过了attention层后得到句子嵌入es，将领域嵌入ed和句子嵌入es作为领域门的输入，领域门的输出为k： 其中，表示使用softmax函数归一化处理G·；φ的输出； 为异或符号；G·；φ是一个前馈网络；φ表示领域门内的参数；结合领域门，关于假新闻的最终输出向量V可以表示如下： 其中，ki表示第i个领域的领域门输出值，k＝{ki}；ei表示第i个领域的text_CNN输出值；n′表示专家模型的数量；分类器模块：接收特征提取后的向量，并进行分类，以确定读者在阅读假新闻后是否将其视为真实或虚假。

全文数据：

权利要求：

百度查询： 重庆理工大学 一种多领域虚假新闻读者认知检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD