CN112612970A - 一种基于微博事件关系的谣言检测方法及其系统 - Google Patents

Abstract

本发明公开了一种基于微博事件关系的谣言检测方法，包括：步骤S1、构建微博数据集，步骤S2、得到特征矩阵；步骤S3、构建微博事件关系图，再通过微博事件关系图得到邻接矩阵；步骤S4、将特征矩阵以及邻接矩阵输入图卷积神经网络模型进行训练，然后得到最终的谣言检测模型；步骤S5、根据最终的谣言检测模型进行谣言检测。本发明还公开了一种基于微博事件关系的谣言检测系统，该系统包括：微博数据集构建模块、微博预处理模块、微博关系模块、微博检测模块；本发明通过用户行为信息，得到了微博事件之间联系的紧密关系，提高了谣言检测的正确率。

Description

一种基于微博事件关系的谣言检测方法及其系统

技术领域

本发明涉及基于深度学习的谣言检测，特别是涉及一种基于微博事件关系的谣言检测方法及其系统。

背景技术

谣言是在人和人之间传播的,其真实性不能及时得到证明或是无法证明的一种特殊陈述，往往会带来恶劣的影响。由于社交媒体的快速发展，每个普通人都可以成为信息的发布源，就会造成网络中信息质量的良莠不齐，使得谣言可以在社会中快速而广泛地传播。因此对谣言的检测任务具有现实意义。

使用传统的机器学习方法大多是通过选取人工特征，主要包括文本特征、用户特征以及传播特征，并使用包括贝叶斯、支持向量机、决策树等分类器来对事件进行学习分类。由于人工设计特征往往不能获得全部的特征，因此检测效果不佳，并且泛化能力较差，还会带来设计特征造成的人力、物力的消耗。

近年来随着深度学习的快速发展，深度学习模型包括卷积神经网络、循环神经网络等来解决自然语言处理任务，逐步取得了显著的成果，预训练模型包括BERT、XLNET等也在自然语言处理任务中有着非常优秀的表现，并且与传统的机器学习模型相比，深度学习模型对人工特征的依赖较小。然而目前基于深度学习模型的谣言检测方法没有考虑到微博文本信息的差异性，并且忽略了事件之间的联系或事件之间联系的紧密程度，对检测效果造成了一定影响。

比如中国专利申请：一种基于CNN优化的社交网络谣言方法(专利申请号：201811168129.8)提出了一种基于CNN优化的社交网络谣言检测方法。该方法融合了推文级别的内容信息和时序信息，基于CNN模型进行多层次训练。但是该专利提供的技术方案存在2个不足，具体是：1、使用的CNN模型只能考虑每个事件本身的特征，不能考虑到事件与事件之间的联系，并且对不同文本结构的信息采取了相同的模型进行处理。2、模型训练依赖训练集的标签事件数量，对于标签数量不足的数据集，模型的分类能力较弱。

比如中国专利申请：基于用户关系结构特征的微博谣言检测方法和系统(专利申请号：201910489380.2)提出了一种基于用户关系结构特征的社交网络谣言检测方法和系统，对每个用户发文的信息向量化，并根据传播关系构建网络，输入神经网络来判断微博话题是否为谣言。但是该专利提供的技术方案存在2个不足，具体是：1、该模型基于参与的所有用户建立网络，网络节点数目过多，模型的训练消耗资源大。2、该模型考虑到了事件之间的联系，但是没有考虑到事件之间联系的紧密程度。

发明内容

有鉴于此，本发明的目的在于提供一种基于微博事件关系的谣言检测方法及其系统，用以解决目前基于深度学习模型的谣言检测方法，存在忽略事件与事件之间的联系以及联系紧密程度的缺陷，该缺陷对检测效果造成了一定影响。

为了解决上述技术问题，本发明提出一种基于微博事件关系的谣言检测方法，包括如下步骤：

步骤S1、构建微博数据集，所述微博数据集E＝{e₁，e₂，...，e_n}包括n个微博事件的文本信息以及用户行为信息；

步骤S2、对每个微博事件对应的文本信息进行预处理，然后再依次输入预训练模型以及卷积神经网络模型，得到每个微博事件的特征向量，在将微博数据集中所有微博事件的特征向量组合得到特征矩阵；

步骤S3、根据所述用户行为信息构建微博事件关系图，再通过微博事件关系图得到邻接矩阵；

步骤S4、将步骤S2得到的特征矩阵以及步骤S3得到的邻接矩阵输入图卷积神经网络模型来完成模型的训练，然后得到最终的谣言检测模型；

步骤S5、将微博事件输入步骤S4得到的谣言检测模型判断是否为谣言。

进一步的，所述步骤S2具体包括：

步骤S201、通过预处理除去微博事件e_i对应的文本信息中与内容无关的停用词；

步骤S202、将经过预处理后的文本信息作为输入，输入至预训练模型中得到向量v_i；

步骤S203、将向量v_i输入至卷积神经网络中得到特征向量p_i；

步骤S204、重复步骤S201至步骤S203，得到微博数据集中所有微博事件的特征向量，并且将所述特征向量组合成特征矩阵X∈R^n×m，n表示微博事件数，m表示特征向量的维度。

进一步的，所述步骤S203具体包括：

步骤S2031、通过卷积层选取宽度与向量v_i维度等长的卷积核，使得卷积核始终保持在竖直方向滑动，进行对向量的卷积操作，得到与卷积核数量相同的特征向量c_i；

步骤S2032、再通过池化层对特征向量c_i进行最大池化操作，提取局部接受域中向量的最大值，得到特征向量p_i；

步骤S2033、通过全连接层对特征向量p_i和分类标签进行全连接操作，得到微博事件e_i的预测标签，并且保存特征向量p_i作为微博事件e_i的特征向量。

进一步的，所述步骤S3具体包括：

步骤S301、提取微博数据集中的用户行为信息，包括对每个微博事件进行评论或转发的用户ID；

步骤S302、根据步骤S301得到用户ID计算第i个微博事件与第j个微博事件之间相同的评论或转发的用户数量，并将其作为这两个微博事件的联系；

步骤S303、将微博数据集中的微博事件作为节点(N)，事件之间的联系作为连边(E)构建微博事件关系图G＝(N，E)，再通过所述微博事件关系图得到邻接矩阵A∈R^n×n；

在所述步骤S303中，根据第i个事件与第j个事件之间相同的评论者或转发者数量α，为A_ij赋予不同的权重，具体是：

进一步的，在所述步骤S4中，所述图卷积神经网络模型中的第i+1个隐藏层的特征矩阵H_i+1的表达式为：

公式中，ρ表示为激活函数，W_i∈R^m×k为图卷积神经网络模型第i层的权重矩阵，其中m表示当前层输入特征的维数，k表示当前层输出特征的维数，

其中

为图卷积神经网络模型中标准化对称邻接矩阵，A为邻接矩阵，D∈R^n×n为度矩阵，当i＝1时，

其中X为图卷积神经网络模型输入的特征矩阵。

进一步的，所述预训练模型为BERT模型或者XLNET模型。

进一步的，所述卷积神经网络模型中卷积核的宽度为3，长度为768，卷积核的数量为300，dropout为0.5。

本发明还提供一种基于微博事件关系的谣言检测系统，所述系统包括如下模块：

微博数据集构建模块：用以构建微博数据集，所述微博数据集E＝{e₁，e₂，...，e_n}包括n个微博事件的文本信息以及用户行为信息；

微博预处理模块：用以对每个微博事件对应的文本信息进行预处理，然后再依次输入预训练模型以及卷积神经网络模型，得到每个微博事件的特征向量，在将微博数据集中所有微博事件的特征向量组合得到特征矩阵；

微博关系模块：用以根据用户行为信息构建微博事件关系图，再通过微博事件关系图得到邻接矩阵；

微博检测模块，用以将所述微博预处理模块得到的特征矩阵以及所述微博关系模块得到的邻接矩阵输入图卷积神经网络模型来完成模型的训练，然后得到最终的谣言检测模型；

将微博事件输入所述微博检测模块即可判断是否为谣言。

本发明的有益效果是：

本发明分别对微博事件中的用户行为信息和文本信息进行预处理，微博信息的预处理为并行处理，提高了预处理的效率，并且通过考虑用户信息，得到了微博事件之间联系的紧密关系，提高了谣言检测的正确率。

附图说明

图1为实施例1中谣言检测方法的流程图。

图2为实施例2中谣言检测任务的模块图。

图3为实施例1中卷积神经网络的结构图。

图4为实施例1中图卷积神经网络模型的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

参见图1、图3和图4，本实施例提供一种基于微博事件关系的谣言检测方法，包括如下步骤：步骤S1、构建微博数据集，微博数据集E＝{e₁，e₂，...，e_n}包括n个微博事件的文本信息以及用户行为信息；

具体的说，本实施例通过基于新浪API的数据获取方法或者基于微博爬虫的数据获取方法来获得微博事件的文本信息以及用户行为信息；更具体的说，本实施例构建的微博数据集为[Ma Jing，Gao Wei，Mitra P，et al.Detecting Rumors from Microblogswith Recurrent Neural Networks[C].Proceedings of the Twenty-FifthInternational Joint Conference on Artificial Intelligence(IJCAI)，2016，3818-3824.]提供的公开微博数据集，该微博数据集的参数见表1：数据集参数。

表1：数据集参数

统计量	数量
		事件数	4664
谣言数	2313
		非谣言数	2351
微博总数	3805656
		用户数	2746818
事件的平均时间长度(h)	2460.7
		事件的平均帖子数	816
事件的最大帖子数	59318
		事件的最小帖子数	10

该微博数据集包括4664个事件的文本信息以及用户行为信息。

步骤S2、对每个微博事件对应的文本信息进行预处理，然后再依次输入预训练模型以及卷积神经网络模型，得到每个微博事件的特征向量，在将微博数据集中所有微博事件的特征向量组合得到特征矩阵；

具体的说，步骤S2包括：

步骤S201、通过预处理除去微博事件e_i对应的文本信息中与内容无关的停用词；

步骤S202、将经过预处理后的文本信息作为输入，输入至12层的BERT预训练模型中得到768维的向量v_i；

步骤S203、将向量v_i输入至卷积神经网络中得到特征向量p_i，本实施例中采用的卷积神经网络的宽度为3，长度为768，卷积核的数量为300，dropout为0.5。

步骤S204、重复步骤S201至步骤S203，得到微博数据集中所有微博事件的特征向量，并且将特征向量组合成特征矩阵X∈R^n×m，n表示微博事件数，m表示特征向量的维度。

更具体的说，步骤S203包括：

步骤S2031、通过卷积层选取宽度与向量v_i维度等长的卷积核，使得卷积核始终保持在竖直方向滑动，进行对向量的卷积操作，得到与卷积核数量相同的特征向量c_i；

步骤S2032、再通过池化层对特征向量c_i进行最大池化操作，提取局部接受域中向量的最大值，得到特征向量p_i；

步骤S2033、通过全连接层对特征向量p_i和分类标签进行全连接操作，得到微博事件e_i的预测标签，并且保存特征向量p_i作为微博事件e_i的特征向量。

步骤S3、根据用户行为信息构建微博事件关系图，再通过微博事件关系图得到邻接矩阵；具体的说，步骤S3包括如下步骤：

步骤S301、提取微博数据集中的用户行为信息，包括对每个微博事件进行评论或转发的用户ID；

步骤S302、根据步骤S301得到用户ID计算第i个微博事件与第j个微博事件之间相同的评论或转发的用户数量，并将其作为这两个微博事件的联系；

步骤S303、将微博数据集中的微博事件作为节点(N)，事件之间的联系作为连边(E)构建微博事件关系图G＝(N，E)，再通过微博事件关系图得到邻接矩阵A∈R^n×n；

在步骤S303中，根据第i个事件与第j个事件之间相同的评论者或转发者数量α，为A_ij赋予不同的权重，具体是：

步骤S4、将步骤S2得到的特征矩阵以及步骤S3得到的邻接矩阵输入图卷积神经网络模型来完成模型的训练，然后得到最终的谣言检测模型；

具体的说，图卷积神经网络模型中的第i+1个隐藏层的特征矩阵H_i+1的表达式为：

公式中，ρ表示为激活函数，W_i∈R^m×k为图卷积神经网络模型第i层的权重矩阵，其中m表示当前层输入特征的维数，k表示当前层输出特征的维数，

其中

为图卷积神经网络模型中标准化对称邻接矩阵，A为邻接矩阵，D∈R^n×n为度矩阵，当i＝1时，

其中X为图卷积神经网络模型输入的特征矩阵。

步骤S5、将微博事件输入步骤S4得到的谣言检测模型判断是否为谣言，具体检测结果请见表2。

表2谣言检测结果

实施例2

参见图2，本实施例提供基于一种微博事件关系的谣言检测系统，系统包括如下模块：微博数据集构建模块：用以构建微博数据集，微博数据集E＝{e₁，e₂，...，e_n}包括n个微博事件的文本信息以及用户行为信息；

微博预处理模块：用以对每个微博事件对应的文本信息进行预处理，然后再依次输入预训练模型以及卷积神经网络模型，得到每个微博事件的特征向量，在将微博数据集中所有微博事件的特征向量组合得到特征矩阵；

微博关系模块：用以根据用户行为信息构建微博事件关系图，再通过微博事件关系图得到邻接矩阵；

微博检测模块，用以将微博预处理模块得到的特征矩阵以及微博关系模块得到的邻接矩阵输入图卷积神经网络模型来完成模型的训练，然后得到最终的谣言检测模型；

将微博事件输入微博检测模块即可判断是否为谣言。

本发明未详述之处，均为本领域技术人员的公知技术。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种基于微博事件关系的谣言检测方法，其特征在于，包括如下步骤：

步骤S1、构建微博数据集，所述微博数据集E＝{e₁,e₂,...,e_n}包括n个微博事件的文本信息以及用户行为信息；

步骤S2、对每个微博事件对应的文本信息进行预处理，然后再依次输入预训练模型以及卷积神经网络模型，得到每个微博事件的特征向量，在将微博数据集中所有微博事件的特征向量组合得到特征矩阵；

步骤S3、根据所述用户行为信息构建微博事件关系图，再通过微博事件关系图得到邻接矩阵；

步骤S4、将步骤S2得到的特征矩阵以及步骤S3得到的邻接矩阵输入图卷积神经网络模型来完成模型的训练，然后得到最终的谣言检测模型；

步骤S5、将微博事件输入步骤S4得到的谣言检测模型判断是否为谣言。

2.根据权利要求1所述的一种基于微博事件关系的谣言检测方法，其特征在于，所述步骤S2具体包括：

步骤S201、通过预处理除去微博事件e_i对应的文本信息中与内容无关的停用词；

步骤S202、将经过预处理后的文本信息作为输入，输入至预训练模型中得到向量v_i；

步骤S203、将向量v_i输入至卷积神经网络中得到特征向量p_i；

步骤S204、重复步骤S201至步骤S203，得到微博数据集中所有微博事件的特征向量，并且将所述特征向量组合成特征矩阵X∈R^n×m，n表示微博事件数,m表示特征向量的维度。

3.根据权利要求2所述的一种基于微博事件关系的谣言检测方法，其特征在于，所述步骤S203具体包括：

步骤S2031、通过卷积层选取宽度与向量v_i维度等长的卷积核，使得卷积核始终保持在竖直方向滑动，进行对向量的卷积操作，得到与卷积核数量相同的特征向量c_i；

步骤S2032、再通过池化层对特征向量c_i进行最大池化操作，提取局部接受域中向量的最大值，得到特征向量p_i；

步骤S2033、通过全连接层对特征向量p_i和分类标签进行全连接操作，得到微博事件e_i的预测标签，并且保存特征向量p_i作为微博事件e_i的特征向量。

4.根据权利要求3所述的一种基于微博事件关系的谣言检测方法，其特征在于，所述步骤S3具体包括：

步骤S301、提取微博数据集中的用户行为信息，包括对每个微博事件进行评论或转发的用户ID；

步骤S302、根据步骤S301得到用户ID计算第i个微博事件与第j个微博事件之间相同的评论或转发的用户数量，并将其作为这两个微博事件的联系；

步骤S303、将微博数据集中的微博事件作为节点(N)，事件之间的联系作为连边(E)构建微博事件关系图G＝(N,E)，再通过所述微博事件关系图得到邻接矩阵A∈R^n×n；

在所述步骤S303中，根据第i个事件与第j个事件之间相同的评论者或转发者数量α，为A_ij赋予不同的权重，具体是：

5.根据权利要求4所述的一种基于微博事件关系的谣言检测方法，其特征在于，在所述步骤S4中，所述图卷积神经网络模型中的第i+1个隐藏层的特征矩阵H_i+1的表达式为：

公式中，ρ表示为激活函数，W_i∈R^m×k为图卷积神经网络模型第i层的权重矩阵，其中m表示当前层输入特征的维数，k表示当前层输出特征的维数，

其中

为图卷积神经网络模型中标准化对称邻接矩阵，A为邻接矩阵，D∈R^n×n为度矩阵，当i＝1时，

其中X为图卷积神经网络模型输入的特征矩阵。

6.根据权利要求5所述的一种基于微博事件关系的谣言检测方法，其特征在于，所述预训练模型为BERT模型或者XLNET模型。

7.根据权利要求6所述的一种基于微博事件关系的谣言检测方法，其特征在于，所述卷积神经网络模型中卷积核的宽度为3，长度为768，卷积核的数量为300，dropout为0.5。

8.一种采用权利要求1-7任意权利要求所述方法的基于微博事件关系的谣言检测系统，所述系统包括如下模块：

微博数据集构建模块：用以构建微博数据集，所述微博数据集E＝{e₁,e₂,...,e_n}包括n个微博事件的文本信息以及用户行为信息；

微博预处理模块：用以对每个微博事件对应的文本信息进行预处理，然后再依次输入预训练模型以及卷积神经网络模型，得到每个微博事件的特征向量，在将微博数据集中所有微博事件的特征向量组合得到特征矩阵；

微博关系模块：用以根据用户行为信息构建微博事件关系图，再通过微博事件关系图得到邻接矩阵；

微博检测模块，用以将所述微博预处理模块得到的特征矩阵以及所述微博关系模块得到的邻接矩阵输入图卷积神经网络模型来完成模型的训练，然后得到最终的谣言检测模型；

将微博事件输入所述微博检测模块即可判断是否为谣言。

Images