申请/专利权人：杭州师范大学

申请日：2024-04-15

公开（公告）日：2024-06-25

公开（公告）号：CN118247070A

主分类号：G06Q50/00

分类号：G06Q50/00;G06F18/213;G06F18/25;G06N3/042;G06N3/0455;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了一种融合图神经网络和双Bert模型的社交平台谣言转发预测方法。本发明通过融合谣言推文、用户历史转发推文的文本信息、用户拓扑结构、属性信息以及历史转发行为等多种关键因素，对用户的转发行为进行预测。本发明既能考虑到内容信息给转发行为带来的影响，同时结合了用户的拓扑、属性和历史转发行为对谣言推文的转发意图的影响。本发明设计双Bert模型提取谣言推文和用户历史推文的信息。考虑到谣言转发过程中，用户的行为容易受到周围用户的影响，本发明设计GAT模型分别对多种特征进行聚合并拼接，可以更细粒度地提取邻居用户对转发行为的影响。在给定特定谣言推文的条件下，本发明可以实现对社交网络的特定用户判定是否会转发该谣言推文。

主权项：1.融合图神经网络和双Bert模型的社交平台谣言转发预测方法，其特征在于包括如下步骤：步骤1、给定社交网络G＝V，E，V代表用户节点的集合，E代表用户之间边的集合；搜集用户的每条历史转发推文，构成集合T＝{T1，T2，...，TN}，N代表用户数，Ti代表用户vi的历史转发推文集合；代表待转发谣言推文，vj代表发布该谣言推文的用户，vi，vj∈V；步骤2、针对待转发谣言推文通过Bert+Meanpooling模型提取待转发谣言推文的文本嵌入特征xq；针对用户vi的历史转发推文集合Ti＝{ti1，ti2，...，tiM}，同样通过Bert+Weightedpooling模型提取出文本嵌入特征xi；将xq，xi以及|xq-xi|进行拼接并线性映射得到映射向量X[i]；步骤3、提取用户vi的属性特征Hc[i]、历史行为特征Hr[i]和拓扑结构特征Hs[i]；步骤4、设计GAT层分别对用户vi的属性特征Hc[i]、历史行为特征Hr[i]和拓扑结构特征Hs[i]进行聚合，对聚合后的各信息进行拼接得到拼接向量Ψ[i]；步骤5、将拼接向量Ψ[i]与映射向量X[i]再次进行拼接，并输入带Softmax激活函数的全连接层，输出用户vi转发谣言推文的概率步骤6、设定交叉熵损失函数利用Adam优化方法对模型进行训练；学习结束后利用模型的参数对需要预测的用户进行预测，并判断该用户是否会转发待预测微博。

全文数据：

权利要求：

百度查询： 杭州师范大学 融合图神经网络和双Bert模型的社交平台谣言转发预测方法

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