谣言检测方法、装置、电子设备及存储介质

本发明涉及人工智能，尤其涉及一种谣言检测方法、装置、电子设备及存储介质。

背景技术：

1、近年来随着互联网的飞速发展，网民规模迅速扩大，网络提供了比较开放的舆论环境，以推特、微博代表的社会网络平台凭借信息传播速度快、范围广和及时性强等优点已经取代传统媒体成为信息交流的重要媒介，以网民为主体的各种网络平台在整个社会舆论中扮演着越来越重要的角色。然而，网络信息发布门槛低且缺乏有效的监管手段，导致网络上容易散播各种不实信息，社交网络平台也容易成为谣言肆意生长的温床，谣言的肆意传播有时会对市场经济及社会稳定产生十分恶劣的影响，因此，研究谣言的自动检测技术十分重要作用。目前基于深度学习的方法在谣言检测任务中取得了超出其他方法的效果。

2、基于深度学习的谣言检测方法有针对谣言文本和针对传播结构两种。针对谣言文本，通过进行自然语言建模，获得高维的本文表示，再通过分类器完成谣言检测任务。针对传播结构，通过进行非线性结构的建模，如双向传播树或传播图的建模。

3、实现这些表示方法并应用的文献有：

4、1.bian，t.，xiao，x.，xu，t.，et al.(2020).rumor detection on social mediawith bi-directional graph convolutional networks.proceedings of the aaaiconference on artificial intelligence，34(01)，549–556.

5、2.lu，y.-j.，li，c.-t.(2020).gcan:graph-aware co-attention networks forexplainable fake news detection on social media.505–514.

6、3.han y，karunasekera s，leckie c.graph neural networks with continuallearning for fake news detection from social media[j].arxiv preprint arxiv:2007.03316，2020.

7、基于文本的深度学习方法没有完全利用到谣言的传播结构等信息；基于传播结构的方法没有解决传播图中节点粒度的嵌入和图粒度的嵌入之间存在的语义鸿沟问题，因为图神经网络的层数限制，每个节点只能获取到相对局部的结构信息，然后这些方法直接对节点粒度的嵌入取平均池化或最大池化来得到整图的嵌入，会导无法捕捉全局的图结构信息，造成有用信息损失，最终导致检测精度降低。

技术实现思路

1、本发明提供一种谣言检测方法、装置、电子设备及存储介质，用以解决现有技术中谣言检测的精度低的缺陷，提高谣言检测的准确性。

2、本发明提供一种谣言检测方法，包括：

3、获取目标谣言传播图，所述目标谣言传播图包括一个根节点和至少一个子节点；

4、对所述目标谣言传播图进行基于根节点强化的特征聚合，得到包含中间表示的第一谣言传播图；

5、对所述第一谣言传播图进行全局强化，得到目标向量；

6、基于所述目标向量进行谣言检测，得到谣言检测结果。

7、根据本发明提供的一种谣言检测方法，所述对所述目标谣言传播图进行基于根节点强化的特征聚合，得到包含中间表示的第一谣言传播图，包括：

8、通过gnn编码器的每一层gnn子网络基于邻接关系对所述目标谣言传播图的节点进行特征聚合，并在每两层所述gnn子网络之间对进行特征聚合后的所述目标谣言传播图进行根节点强化，得到所述第一谣言传播图，其中，所述gnn编码器包括至少两层gnn子网络。

9、根据本发明提供的一种谣言检测方法，所述对所述第一谣言传播图进行全局强化，得到目标向量包括：

10、基于径向基模型对所述第一谣言传播图进行全局强化，得到第一图粒度嵌入向量，并基于图注意力网络gat模型对所述第一谣言传播图进行全局强化，得到第二图粒度嵌入向量；

11、将所述第一图粒度嵌入向量和所述第二图粒度嵌入向量进行拼接，得到目标向量。

12、根据本发明提供的一种谣言检测方法，所述基于径向基模型对所述第一谣言传播图进行全局强化，得到第一图粒度嵌入向量包括：

13、将所述第一谣言传播图进行节点扩展，得到第二谣言传播图；

14、将所述第二谣言传播图中每个节点的嵌入向量和所述第二谣言传播图中根节点的嵌入向量进行径向基核，得到注意力打分；

15、将所述注意力打分与所述第二谣言传播图中每个节点的嵌入向量相乘，得到所述第一图粒度嵌入向量。

16、根据本发明提供的一种谣言检测方法，所述基于图注意力网络gat模型对所述第一谣言传播图进行全局强化，得到第二图粒度嵌入向量包括：

17、将所述第一谣言传播图进行节点扩展，得到第三谣言传播图；

18、基于gat模型捕获所述第三谣言传播图的全局结构信息，得到所述第二图粒度嵌入向量。

19、根据本发明提供的一种谣言检测方法，所述对所述目标谣言传播图进行基于根节点强化的特征聚合，得到包含中间表示的第一谣言传播图；对所述第一谣言传播图进行全局强化，得到目标向量；基于所述目标向量进行谣言检测，得到所述谣言检测模型输出的谣言检测结果，包括：

20、将所述目标谣言传播图输入谣言检测模型，得到所述谣言检测模型输出的谣言检测结果；

21、所述谣言检测模型是基于多个谣言传播图和损失函数对训练前的谣言检测模型进行训练得到的；

22、其中，所述多个谣言传播图是通过对谣言传播图样本进行数据增强操作得到的，所述谣言传播图样本包括正样本和负样本。

23、根据本发明提供的一种谣言检测方法，所述对谣言传播图样本进行数据增强操作包括：

24、随机删除所述谣言传播图样本中的子树。

25、本发明提供一种谣言检测装置，包括：

26、获取模块，用于获取目标谣言传播图，所述目标谣言传播图包括一个根节点和至少一个子节点；

27、根节点强化模块，用于对所述目标谣言传播图进行基于根节点强化的特征聚合，得到包含中间表示的第一谣言传播图；

28、全局强化模块，用于对所述第一谣言传播图进行全局强化，得到目标向量；

29、检测模块，用于基于所述目标向量进行谣言检测，得到谣言检测结果。

30、根据本发明提供的一种谣言检测装置，所述对所述目标谣言传播图进行基于根节点强化的特征聚合，得到包含中间表示的第一谣言传播图，包括：

31、通过gnn编码器的每一层gnn子网络基于邻接关系对所述目标谣言传播图的节点进行特征聚合，并在每两层所述gnn子网络之间对进行特征聚合后的所述目标谣言传播图进行根节点强化，得到所述第一谣言传播图，其中，所述gnn编码器包括至少两层gnn子网络。

32、根据本发明提供的一种谣言检测装置，所述对所述第一谣言传播图进行全局强化，得到目标向量包括：

33、基于径向基模型对所述第一谣言传播图进行全局强化，得到第一图粒度嵌入向量，并基于图注意力网络gat模型对所述第一谣言传播图进行全局强化，得到第二图粒度嵌入向量；

34、将所述第一图粒度嵌入向量和所述第二图粒度嵌入向量进行拼接，得到目标向量。

35、根据本发明提供的一种谣言检测装置，所述基于径向基模型对所述第一谣言传播图进行全局强化，得到第一图粒度嵌入向量包括：

36、将所述第一谣言传播图进行节点扩展，得到第二谣言传播图；

37、将所述第二谣言传播图中每个节点的嵌入向量和所述第二谣言传播图中根节点的嵌入向量进行径向基核，得到注意力打分；

38、将所述注意力打分与所述第二谣言传播图中每个节点的嵌入向量相乘，得到所述第一图粒度嵌入向量。

39、根据本发明提供的一种谣言检测装置，所述基于图注意力网络gat模型对所述第一谣言传播图进行全局强化，得到第二图粒度嵌入向量包括：

40、将所述第一谣言传播图进行节点扩展，得到第三谣言传播图；

41、基于gat模型捕获所述第三谣言传播图的全局结构信息，得到所述第二图粒度嵌入向量。

42、根据本发明提供的一种谣言检测装置，所述对所述目标谣言传播图进行基于根节点强化的特征聚合，得到包含中间表示的第一谣言传播图；对所述第一谣言传播图进行全局强化，得到目标向量；基于所述目标向量进行谣言检测，得到所述谣言检测模型输出的谣言检测结果，包括：

43、将所述目标谣言传播图输入谣言检测模型，得到所述谣言检测模型输出的谣言检测结果；

44、所述谣言检测模型是基于多个谣言传播图和损失函数对训练前的谣言检测模型进行训练得到的；

45、其中，所述多个谣言传播图是通过对谣言传播图样本进行数据增强操作得到的，所述谣言传播图样本包括正样本和负样本。

46、根据本发明提供的一种谣言检测装置，所述对谣言传播图样本进行数据增强操作包括：

47、随机删除所述谣言传播图样本中的子树。

48、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述谣言检测方法的步骤。

49、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述谣言检测方法的步骤。

50、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述谣言检测方法的步骤。

51、本发明提供的谣言检测方法、装置、电子设备及存储介质，通过对目标谣言传播图进行基于根节点强化的特征聚合，得到包含中间表示的第一谣言传播图，再对第一谣言传播图进行全局强化，得到目标向量，使得谣言检测工作可以在高鲁棒性的图粒度嵌入表示的基础上展开，提高谣言检测的准确性。