买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于时序聚合多模态图神经网络的虚假新闻检测方法，采用预训练的基于时序聚合多模态图神经网络的虚假新闻检测模型进行虚假新闻检测，虚假新闻检测过程包括：提取新闻多模态信息特征，多模态信息特征聚合，构建事件级新闻，帖子级新闻检测，得到帖子级输出，事件级新闻检测。本发明可以实现高效的模态信息融合，准确捕获帖子级新闻的整体特征，同时从时间角度考虑聚合新闻，形成事件级新闻进行因果逻辑错误判断，提升假新闻检测的准确率。

主权项：1.一种基于时序聚合多模态图神经网络的虚假新闻检测方法，采用预训练的基于时序聚合多模态图神经网络的虚假新闻检测模型进行虚假新闻检测，其特征在于，所述模型进行虚假新闻检测过程包括：步骤1，提取新闻多模态信息特征，将特征实体转换为向量，得到由向量表示的新闻子图；步骤2，基于由向量表示的新闻子图进行多模态信息特征聚合，得到新闻帖子的多模态子图；步骤3，基于新闻帖子的多模态子图构建事件级新闻，即事件簇；步骤4，帖子级新闻检测模块对新闻帖子的多模态子图进行帖子级新闻检测，得到帖子级输出；步骤5，事件级新闻检测模块对事件簇进行事件级新闻检测，得到事件簇输出；步骤4所述帖子级新闻检测模块进行帖子级新闻检测的过程为：针对每个新闻帖子多模态子图对应的每个实体的向量h＝{h1,h2,...,hN}，将向量特征经过图注意力网络GAT层进行处理，得到映射特征利用矩阵进行节点特征变换，公式如下所示： 其中，αij表示节点j到i的注意力系数，表示一个共享注意力机制，表示LeakyReLU非线性激活函数，是节点i的邻居节点集；将注意力系数与其对应的特征进行加权求和，得到每个节点的输出特征表示： 其中σ是激活函数，K是注意力头的数量，Wk是第k个注意力头的权重矩阵；对多模态子图中所有节点的向量进行平均池化： 其中是多模态子图中所有经过GAT层的节点向量的平均值；在对每个多模态子图都进行以上处理之后，获得每张多模态图的hg，hg再经过一层GAT，经过平均池化后得到帖子级输出步骤5所述事件级新闻检测模块进行事件级新闻检测，得到事件簇输出，包括：针对事件簇的向量表示集合将其中向量按照时间顺序用边进行连接，K个节点组成特征节点间边的关系表示为邻接矩阵X和A作为GCN网络层的输入，并输出高阶特征矩阵 其中σ是非线性激活函数，I是单位矩阵，W是训练的参数矩阵，是的度矩阵；节点表示经过归一化得到事件簇输出

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于时序聚合多模态图神经网络的虚假新闻检测方法