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！

申请/专利权人：西安交通大学

摘要：本发明公开了一种基于归纳意识的虚假新闻可解释性检测系统及方法，通过探索评论线程中立场的演化规律和层次性结构特征，以发现有价值的质疑新闻的评论子链，克服了现有技术在评论之间关联性挖掘以及相互影响缺失的不足。本发明以跨学科知识与神经网络模型相结合，探索假新闻评论树中评论节点间的语义关联挖掘与相互影响性挖掘；自底向上进化树网络考虑了两种社会心理学理论来研究评论线索中立场的进化规律，以强化质疑新闻的有价值的评论；本发明提出的自顶向下协调树网络协调了父节点和兄弟节点之间的信息吸收，增强了评论的层次结构，并将其与进化树网络特征融合得到有价值的评论，凸显评论子链，增强验证结果的可解释性。

主权项：1.一种基于归纳意识的虚假新闻可解释性检测方法，其特征在于，包括以下步骤：步骤1，利用Bi-GRU学习每个推文的序列特征，并采用最后一步隐藏层向量表示该推文；步骤2，建立自底向上的演化树递归网络，逐步合并子节点到父节点，最终形成一个代表整个评论线程的向量；以倒序的时间顺序从下到上遍历整个评论对话线程，从而获得一个包含许多评论子链的评论序列；步骤3，考虑单个评论立场与其所在的评论子链之间的关联性，借助社会心理学知识，即利用性叠加理论和保守性偏差理论来评价当前节点与之前节点之间的关系；步骤4，构建显著性打分函数s·和合成向量p·来计算在一个评论子链中第i个节点以及之前i-1个节点之间合并程度；打分函数s·用于衡量评论子链中第i个节点需要加强的程度，合成向量p·表示两个节点的融合程度；步骤5，基于两种社会心理学理论，对显著性得分进行细化：1）两个相邻节点合并的概率： 2）节点及其子链的语义差异： 其中，表示评价第i个节点与前一个i-1个节点的语义差异；表示前面i-1节点的平均语义；3）评论立场间的差异： 其中，·表示第i个节点和前i-1个节点的评论立场之间的差异；表示第i个节点的立场向量，表示之前的i-1个节点的平均向量；4）节点的时效性： 其中，是评论子链中第i个节点和第一个节点之间的间隔；g和均为可学习的参数；步骤6，显著性得分： 步骤7，计算合成向量p·： 步骤8，合并整个评论子链中所有节点为： 步骤9，利用TreeLSTM实现复合函数；TreeLSTM产生一个隐藏状态向量以及在给定两个输入向量和下的细胞状态向量，得到： 其中，U和b是可训练的参数，表示点乘操作；步骤10，遍历包含多个评论子链的整个评论序列，经过演化合并后，演化树网络将在评论线程中凸显出质疑新闻的有价值评论，最终的可学习表示记为BE；步骤11，构建自上而下的协调树网络来协调父节点和兄弟节点之间的信息吸收；步骤12，对协调树网络进行更新： 其中，下标in、fo、hf、c和o分别用于输入门、暂时遗忘门、分层遗忘门、细胞单元和输出；向量,,和分别表示新捕获信息的权重，记忆来自兄弟节点的旧信息，记忆来自父节点的旧信息；表示hadamard乘积；如果，然后和被设置为初始状态值；步骤13，经过遍历之后，得到整个会话线程的表示，记为TC；步骤14，将演化树网络获取的质疑新闻的评论与协调树网络获取的评论的层次结构信息进行整合，得到有价值的质疑新闻的评论子链：

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于归纳意识的虚假新闻可解释性检测系统及方法