龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安交通大学
摘要：本发明公开了一种基于自监督学习与传播一致性的虚假新闻检测方法，包括：基于自监督对比学习的语句表示优化：初始化预训练语言模型为检测模型，利用自监督对比学习，通过正负样本对比增强检测模型对语义的区分能力；基于对抗生成网络的样本级对抗学习：采用生成对抗网络，编码器生成对抗表示以优化检测模型表示；基于新闻传播一致性特征的真伪验证：构建新闻传播一致性网络，通过邻接子图特征聚合算法融合新闻节点的传播特征，提高检测准确性；基于伪提示学习的预训练语言模型调优：基于上述检测模型，通过构建任务提示模板，将虚假新闻检测任务转换为文本填空问题，充分利用语言学知识，实现在数据稀缺场景下准确的虚假新闻检测能力。
主权项：1.一种基于自监督学习与传播一致性的虚假新闻检测方法，其特征在于，包括以下步骤：步骤一、基于自监督对比学习的语句表示优化：采用预训练语言模型作为初始检测模型；随后，利用基于自监督对比学习的方法，对初始检测模型生成的语句嵌入表示进行优化，通过构建正负对比样本对，增强初始检测模型对语句语义的理解和区分能力；步骤二、基于对抗生成网络的样本级对抗学习：构建生成对抗网络，利用随机噪声和负面虚假新闻样本作为输入，通过多层感知器和独立的PLM编码器生成丰富的对抗嵌入表示，并结合对抗嵌入，优化初始检测模型的输出嵌入表示；步骤三、基于新闻传播一致性特征的真伪验证：基于大量从社交媒体收集的用户新闻转发记录，构建新闻传播一致性网络，基于邻接子图特征聚合算法，融合新闻节点的传播特征，将邻近新闻节点的真实性特征注入到当前新闻的真伪预测过程中，以进一步提高虚假新闻检测的准确性；步骤四、基于伪提示学习的预训练语言模型调优：基于步骤一与步骤二优化后的检测模型，在检测模型调优过程中，采用基于伪提示学习的掩码语言模型训练任务，通过构建任务导向的提示模板，将虚假新闻检测任务转换为文本填空问题，以充分利用该检测模型这一预训练模型的语言学知识，并结合步骤三的后处理优化流程，提高检测模型在少样本场景下的表现，进而实现对虚假新闻的检测。
全文数据：
权利要求：
百度查询： 西安交通大学 一种基于自监督学习与传播一致性的虚假新闻检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号