-
公开(公告)号：CN114491025B
公开(公告)日：2024-07-26
申请号：CN202210032486.1
申请日：2022-01-12
Applicant: 三峡大学
IPC: G06F16/35 , G06F40/211 , G06F40/284 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/048
Abstract: 本发明提供一种基于写作风格的多任务谣言检测方法、装置及设备，该方法包括：获取待检测文本，并确定对应的内容特征以及写作风格特征；在多任务检测模型中，将内容特征输入至基于内容的谣言检测任务模块，得到谣言检测结果；将写作风格特征输入至基于写作风格的谣言检测任务模块，得到谣言检测结果；其中，在训练过程中，基于内容的谣言检测任务模块和基于写作风格的谣言检测任务模块通过共享层进行信息交互。本发明采用基于内容和写作风格相结合的多任务谣言检测方法，用以解决现有多任务谣言检测方法两个任务数据结果差异较大以及未能充分利用数据本身数据，导致模型预测性能差的缺陷，提升了模型的谣言检测性能。
-
公开(公告)号：CN117786475A
公开(公告)日：2024-03-29
申请号：CN202311556251.3
申请日：2023-11-21
Applicant: 三峡大学
IPC: G06F18/241 , G06N3/0442 , G06N3/045 , G06N3/042 , G06N3/084 , G06F9/54
Abstract: 本发明提出一种既能捕获动态信息，又能提升检测效果的基于动态网络的多任务谣言检测模型及方法，本发明将捕获的随时间变化的动态空间特征、时序文本特征，通过时间步为基本共享单位来进行有机结合，并使用注意力机制更新输出特征，从而形成了一种基于动态网络的多任务谣言检测模型及方法。首先，构建不同时刻的谣言事件传播图，利用动态图卷积网络对不同时刻的传播图进行建模，捕获谣言事件的动态结构特征；再以时序共享层作为共享网络对在每个相同的时间步的事件动态结构特征和时序文本特征进行特征交互，最后使用注意力机制重点关注不同任务、不同时刻间有重要影响的信息，作为分类器的输入，进行预测。
-
公开(公告)号：CN118194085A
公开(公告)日：2024-06-14
申请号：CN202410287611.2
申请日：2024-03-13
Applicant: 三峡大学
IPC: G06F18/24 , G06N3/049 , G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/213 , G06F18/25 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明提供一种基于事件融合的时间超图神经网络谣言检测方法及模型，包括以下步骤：利用每个推文的转发用户来构建传播关系图；利用卷积神经网络，构建基于内容‑社会背景信息的特征提取模块，获得基于内容和社会信息的文本特征；利用谣言的传播结构信息，来构建基于时间的超图，并利用基于事件融合的图神经网络模块，获得基于时间的超图的传播关系特征；将基于内容和社会信息的文本特征以及传播关系特征，通过信息融合模块进行融合；将信息融合后的特征集输入到谣言分类器中进行分类预测。本发明通过融合多种信息、利用全局传播信息和考虑事件间传播关系，解决了谣言检测中的信息融合问题、传播关系问题，提高了谣言检测的准确性和鲁棒性。
-
公开(公告)号：CN114491025A
公开(公告)日：2022-05-13
申请号：CN202210032486.1
申请日：2022-01-12
Applicant: 三峡大学
IPC: G06F16/35 , G06F40/211 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于写作风格的多任务谣言检测方法、装置及设备，该方法包括：获取待检测文本，并确定对应的内容特征以及写作风格特征；在多任务检测模型中，将内容特征输入至基于内容的谣言检测任务模块，得到谣言检测结果；将写作风格特征输入至基于写作风格的谣言检测任务模块，得到谣言检测结果；其中，在训练过程中，基于内容的谣言检测任务模块和基于写作风格的谣言检测任务模块通过共享层进行信息交互。本发明采用基于内容和写作风格相结合的多任务谣言检测方法，用以解决现有多任务谣言检测方法两个任务数据结果差异较大以及未能充分利用数据本身数据，导致模型预测性能差的缺陷，提升了模型的谣言检测性能。
-
-
-
Search Results
4
records
(took 0.02 seconds)
