公开(公告)号：CN107832353B

公开(公告)日：2020-04-14

申请号：CN201710993388.3

申请日：2017-10-23

Applicant: 同济大学

Inventor： 黄震华 ,  黄安忆 ,  张银 ,  庞一统 ,  程久军

IPC: G06F16/35 ,  G06N3/04 ,  G06Q50/00

Abstract: 本发明公开一种社交媒体平台虚假信息识别方法，其中：虚假信息样本集生成模块使用孪生生成式对抗网络(SGAN：Siamese Generative Adversarial Network)模型来构造并生成大规模的基础虚假信息样本集，然后通过无监督学习和有监督学习相结合的方式对所生成的基础虚假信息样本的虚假等级进行标记。虚假信息离线识别学习模块基于深度学习技术来训练虚假信息的识别并迭代优化深度识别模型的参数。虚假信息在线识别模块首先使用探索‑利用策略获取新发布信息中的候选虚假信息集，然后对候选虚假信息集中的信息进行实时虚假识别和评级。与现有技术相比，本发明具有准确度高、泛化能力强以及速度快等优点，能够有效应用于电子商务、医疗健康、网络信息安全以及舆情监控等领域。

公开(公告)号：CN107832353A

公开(公告)日：2018-03-23

申请号：CN201710993388.3

申请日：2017-10-23

Applicant: 同济大学

Inventor： 黄震华 ,  黄安忆 ,  张银 ,  庞一统 ,  程久军

IPC: G06F17/30 ,  G06N3/04 ,  G06Q50/00

Abstract: 本发明公开一种社交媒体平台虚假信息识别方法，其中：虚假信息样本集生成模块使用孪生生成式对抗网络(SGAN：Siamese Generative Adversarial Network)模型来构造并生成大规模的基础虚假信息样本集，然后通过无监督学习和有监督学习相结合的方式对所生成的基础虚假信息样本的虚假等级进行标记。虚假信息离线识别学习模块基于深度学习技术来训练虚假信息的识别并迭代优化深度识别模型的参数。虚假信息在线识别模块首先使用探索-利用策略获取新发布信息中的候选虚假信息集，然后对候选虚假信息集中的信息进行实时虚假识别和评级。与现有技术相比，本发明具有准确度高、泛化能力强以及速度快等优点，能够有效应用于电子商务、医疗健康、网络信息安全以及舆情监控等领域。