公开(公告)号：CN117034945A

公开(公告)日：2023-11-10

申请号：CN202310685289.4

申请日：2023-06-09

Applicant: 重庆大学

Inventor： 高旻 ,  殷俊伟 ,  郭林昕 ,  黄胤秋 ,  江峰 ,  熊庆宇

IPC: G06F40/30 ,  G06F40/289 ,  G06F40/211 ,  G06N3/0442

Abstract: 本发明提供了一种基于读者行为模拟的虚假新闻检测方法及设备。方法包括：获取待检测新闻并提取组件；将组件输入训练好的虚假新闻检测模型，虚假新闻检测模型包括：两个以上与组件一一对应的组件内特征提取器；组件间特征序列化模块，包括一个以上组件间特征提取器和一个基于序列的聚合器，一个以上组件间特征提取器分别捕捉任意两个组件间的组件间特征，基于序列的聚合器按照设定顺序将所有组件间特征整合为特征序列；检测器，获得真假预测概率。虚假新闻检测模型能够发现不同组件之间的亲和力，全面有效地建模新闻，更好地挖掘组件内和组件间的特征，通过模拟读者在组件的阅读和验证行为来学习更好的新闻表示，提高了检测准确度。

公开(公告)号：CN116450822A

公开(公告)日：2023-07-18

申请号：CN202310310495.7

申请日：2023-03-28

Applicant: 重庆大学

Inventor： 高旻 ,  黄胤秋 ,  殷俊伟 ,  王佳 ,  熊庆宇 ,  王悦阳 ,  范琪琳

IPC: G06F16/35 ,  G06F18/2415 ,  G06F18/214 ,  G06F40/30 ,  G06N3/0985 ,  G06N3/0895 ,  G06N3/045

Abstract: 本发明涉及基于情绪感知元学习的跨事件虚假新闻检测方法，它包括构建情绪感知元任务和事件自适应元任务；对情绪感知元任务进行加权元学习；将事件自适应元任务和经过加权元学习后的情绪感知元任务输入基本检测模型进行训练得到初步检测模型；使用目标事件数据对初步模型进行微调得到最优模型；将待检测帖子输入最优模型，输出该待检测帖子的预测标签。本发明将情绪深度融入元学习过程，从已有事件中学习细粒度的元知识，构建情绪感知任务，通过双层优化目标得到能使多个已有事件损失快速达到极小值的初始化参数，通过使模型参数对多个事件敏感，使模型在只有少量标记数据的情况下快速适应目标事件。