公开(公告)号：CN114020928B

公开(公告)日：2025-04-18

申请号：CN202111285757.6

申请日：2021-11-02

Applicant: 上海交通大学

Inventor： 潘理 ,  陈致凯

IPC: G06F16/36 ,  G06F16/353 ,  G06F18/2132 ,  G06N3/042 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0442 ,  G06Q50/00 ,  G06N3/082

Abstract: 本发明涉及一种基于异质图对比学习的虚假新闻识别方法，包括以下步骤：1)构建关于新闻节点的虚假新闻异质图；2)获取新闻的文本特征信息F；3)构造基于新闻‑用户‑新闻以及新闻‑主题‑新闻两条元路径的子图；4)对于子图分别通过恒等变换得到第一组视图，通过随机结构变换得到第二组视图；5)对于两组视图通过图神经网络进行特征提取，分别得到对应的特征矩阵；6)通过对比学习与反向传播训练图神经网络GNN1与GNN2的参数，输入新闻节点的初始文本特征得到新闻节点特征；7)将得到的新闻节点特征作为多层感知机的输入并训练，进行虚假新闻识别。与现有技术相比，本发明具有适应于小样本标注、鲁棒性好、实用性高等优点。

公开(公告)号：CN114020928A

公开(公告)日：2022-02-08

申请号：CN202111285757.6

申请日：2021-11-02

Applicant: 上海交通大学

Inventor： 潘理 ,  陈致凯

IPC: G06F16/36 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06F16/951 ,  G06Q50/00

Abstract: 本发明涉及一种基于异质图对比学习的虚假新闻识别方法，包括以下步骤：1)构建关于新闻节点的虚假新闻异质图；2)获取新闻的文本特征信息F；3)构造基于新闻‑用户‑新闻以及新闻‑主题‑新闻两条元路径的子图；4)对于子图分别通过恒等变换得到第一组视图，通过随机结构变换得到第二组视图；5)对于两组视图通过图神经网络进行特征提取，分别得到对应的特征矩阵；6)通过对比学习与反向传播训练图神经网络GNN1与GNN2的参数，输入新闻节点的初始文本特征得到新闻节点特征；7)将得到的新闻节点特征作为多层感知机的输入并训练，进行虚假新闻识别。与现有技术相比，本发明具有适应于小样本标注、鲁棒性好、实用性高等优点。