-
公开(公告)号：CN112231562B
公开(公告)日：2023-07-14
申请号：CN202011099869.8
申请日：2020-10-15
Applicant: 北京工商大学
IPC: G06F40/30 , G06F40/216 , G06F16/35 , G06N3/0464 , G06N3/048 , G06N3/084 , G06Q50/00
Abstract: 本发明涉及一种网络谣言识别方法即系统，方法包括：根据包含谣言信息的多个文本得到文本特征矩阵；构建传播图结构，图结构中的节点为多个文本，图结构中的邻接矩阵为谣言信息在多个文本之间的转发和评论关系；构建图卷积神经网络模型；图卷积神经网络模型的输入为文本特征矩阵和邻接矩阵，图卷积神经网络模型的输出为谣言特征矩阵；根据谣言特征矩阵训练神经网络模型，得到谣言识别模型；根据谣言识别模型识别网络谣言。本发明根据谣言在多个文本之间的转发和评论关系训练图卷积神经网络模型，根据谣言特征矩阵训练神经网络模型，有效的捕获了谣言信息广泛且分散的传播特征，可以有效识别谣言信息。
-
公开(公告)号：CN113191144B
公开(公告)日：2024-04-09
申请号：CN202110297717.7
申请日：2021-03-19
Applicant: 北京工商大学
IPC: G06F40/289 , G06F18/2415 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于传播影响力的网络谣言识别方法，具体包括如下步骤：对多个包含谣言信息的文本进行神经网络训练，得到文本特征矩阵；获取第一用户节点信息矩阵；构建传播图结构；构建发布用户传递注意力节点模型；根据更新后的第二用户节点信息矩阵和所述文本特征矩阵来训练神经网络模型，得到谣言识别模型；根据所述谣言识别模型识别网络谣言。本发明还公开一种基于传播影响力的网络谣言识别系统，包括：文本特征矩阵获取模块、用户节点信息获取模块、第一构建模块、第二构建模块、训练模块、识别模块；综上，本发明有效的捕获了谣言信息在转发关系中不同维度的节点信息，能够有效识别谣言信息。
-
公开(公告)号：CN113191144A
公开(公告)日：2021-07-30
申请号：CN202110297717.7
申请日：2021-03-19
Applicant: 北京工商大学
IPC: G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于传播影响力的网络谣言识别方法，具体包括如下步骤：对多个包含谣言信息的文本进行神经网络训练，得到文本特征矩阵；获取第一用户节点信息矩阵；构建传播图结构；构建发布用户传递注意力节点模型；根据更新后的第二用户节点信息矩阵和所述文本特征矩阵来训练神经网络模型，得到谣言识别模型；根据所述谣言识别模型识别网络谣言。本发明还公开一种基于传播影响力的网络谣言识别系统，包括：文本特征矩阵获取模块、用户节点信息获取模块、第一构建模块、第二构建模块、训练模块、识别模块；综上，本发明有效的捕获了谣言信息在转发关系中不同维度的节点信息，能够有效识别谣言信息。
-
公开(公告)号：CN112231562A
公开(公告)日：2021-01-15
申请号：CN202011099869.8
申请日：2020-10-15
Applicant: 北京工商大学
IPC: G06F16/9535 , G06F40/216 , G06F40/30 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明涉及一种网络谣言识别方法即系统，方法包括：根据包含谣言信息的多个文本得到文本特征矩阵；构建传播图结构，图结构中的节点为多个文本，图结构中的邻接矩阵为谣言信息在多个文本之间的转发和评论关系；构建图卷积神经网络模型；图卷积神经网络模型的输入为文本特征矩阵和邻接矩阵，图卷积神经网络模型的输出为谣言特征矩阵；根据谣言特征矩阵训练神经网络模型，得到谣言识别模型；根据谣言识别模型识别网络谣言。本发明根据谣言在多个文本之间的转发和评论关系训练图卷积神经网络模型，根据谣言特征矩阵训练神经网络模型，有效的捕获了谣言信息广泛且分散的传播特征，可以有效识别谣言信息。
-
-
-
Search Results
4
records
(took 0.023 seconds)
