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动态免疫网络理论的社交媒体谣言检测方法，包括：输入带有一条源推文和若干评论推文的消息级联，得到各推文的表示向量，然后经过函数得到各推文的立场分布概率向量；基于动态免疫网络理论计算每条评论推文发布的时间节点各立场的用户数量的瞬时变化率和各立场的评论推文数量的瞬时变化率，计算每条评论推文的消息影响力向量；将每条评论推文的表示向量乘以各自的消息影响力值并与源推文的表示向量相加，得到消息级联的表示向量；利用函数计算得到消息真实性概率分布向量，从而得到谣言检测结果。本发明能够解决建模时对潜在用户考虑不足、忽略不同立场的推文及用户之间潜在影响关系等问题，实现社交媒体谣言的有效检测。

主权项：1.一种基于动态免疫网络理论的社交媒体谣言检测方法，其特征在于，包括：步骤S1，输入带有一条源推文和多条评论推文的消息级联，利用预训练模型BERTweet得到各推文的表示向量，将各推文的表示向量输入到前馈神经网络中，使用函数得到各推文的立场概率分布向量；步骤S2，根据各推文的立场概率分布向量，计算出在每条评论推文发布的时间节点消息级联中各立场的用户数量和评论推文数量；基于动态免疫网络理论计算在每条评论推文发布的时间节点各立场的用户数量的瞬时变化率和各立场的评论推文数量的瞬时变化率；对用户数量的瞬时变化率和评论推文数量的瞬时变化率进行加权相加，获得各立场的每条评论推文的影响力向量；对各立场的每条评论推文的影响力向量和各自的立场概率分布向量进行向量点积运算，得到每条评论推文在消息级联中的最终消息影响力值；将每条评论推文的表示向量乘以各自的最终消息影响力值并与源推文的表示向量相加，得到消息级联的表示向量；步骤S3，将计算得到的消息级联的表示向量输入到前馈神经网络中，利用函数计算得到消息真实性概率分布向量，从而得到谣言检测结果，如下计算评论推文数量的瞬时变化率： 其中，表示在第条评论推文发布的时间节点立场为的评论推文的数量，表示在第条评论推文发布的时间节点立场为的评论推文数量的瞬时变化率，是社交媒体网络中立场的种类数量，，为第一场景值，刻画了两条评论推文由于意见冲突而双双失去参考价值的场景，表示在第条评论推文发布的时间节点社交媒体网络对立场为的评论推文的敏感值，为第二场景值，刻画了评论推文由于没有用户注意到而自然消亡的场景，为第三场景值，刻画了用户主动发布评论的场景，是一个成熟函数，通过计算得到成熟率，表示已经浏览过该消息的用户发布评论的概率，表示在第条评论推文发布的时间节点立场为的用户数量；如下计算用户数量的瞬时变化率： 其中，表示在第条评论推文发布的时间节点立场为的用户数量，表示在第条评论推文发布的时间节点立场为的用户数量的瞬时变化率，为第四场景值，刻画了用户不再参与当前讨论的场景，为第五场景值，刻画了新用户因受其他用户影响而参与话题的场景，是一个增殖函数，通过计算得到增殖率，表示吸引更多人浏览该消息的概率，为第六场景值，刻画了新用户自发参与当前讨论的场景。

全文数据：

权利要求：

百度查询： 国际关系学院 一种基于动态免疫网络理论的社交媒体谣言检测方法