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：本申请涉及一种基于因果干预的信息真假鉴别方法、装置、设备和存储器，所述方法通过相关证据推理来实现准确的新闻或情报真假鉴别。本方法能充分利用相关新闻数据，去除样本的选择偏差，实现基于证据的推理以及真假鉴别；通过因果干预算法，有效提升了模型的推理能力以及真假鉴别准确率，为信息领域降低公共风险和人力物力消耗的同时，进一步提升了信息传播的安全性和稳定性。

主权项：1.一种基于因果干预的信息真假鉴别方法，其特征在于，所述方法包括：根据新闻或信息的具体任务指向，搜集特定领域的文本数据以构建数据集；根据新闻搜集能够证明其真实性的证据并记录来源，构建有标注的训练数据集；采用有标注的训练数据集对预构建的基于因果干预的信息真假鉴别模型进行训练，得到训练好的信息真假鉴别模型；其中，训练过程包括含偏训练、反事实预测以及无偏训练；含偏训练用于以新闻和证据对作为输入，通过新闻和证据的交互与特征融合后，得到含偏预测结果；反事实预测用于通过因果干预来阻塞证据，输出模型的反事实预测结果；所述无偏训练用于根据所述含偏预测结果和所述反事实预测结果，得到无偏预测结果；将待鉴别的新闻数据输入到训练好的信息真假鉴别模型中，得到包含新闻和证据的含偏预测结果；根据数据集的平均证据表征，通过因果干预给出待鉴别的新闻的反事实预测结果；根据包含新闻和证据的含偏预测结果和待鉴别的新闻的反事实预测结果，得到对于待鉴别的新闻数据的信息真假鉴别结果；其中，含偏训练过程包括：将新闻和证据对作为输入，通过证据交互模块和融合模块后，得到包含新闻和证据的含偏预测结果为： 其中，表示包含新闻和证据的含偏预测结果，表示融合函数，表示新闻，表示证据；所述反事实预测过程包括：通过假设某些变量不起作用的条件来推断可能的结果，输出模型的反事实预测结果为： 其中，表示反事实预测结果，表示新闻，表示该数据集上的平均证据表征，表示融合函数，f表示经归一化的线性分类层函数；所述无偏训练过程包括：根据所述含偏预测结果和所述反事实预测结果，以交叉熵损失最小化作为训练目标，对模型参数进行优化，得到无偏预测结果；所述基于因果干预的信息真假鉴别模型包括：文本嵌入模块、证据交互模块和融合模块；所述文本嵌入模块用于采用Bert编码器，以利用预训练语言模型的世界知识和理解能力；证据交互模块用于采用多头自注意力机制的多层transformer结构，根据不同证据的权重动态调整注意力分配，并通过跨层的信息传递增强证据间的关联性，从而在复杂环境中实现更精确和鲁棒的推理；所述融合模块用于在多层全连接前馈神经网络的基础上，加入了残差连接和自适应激活函数，以增强模型的表达能力和梯度传播稳定性。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于因果干预的信息真假鉴别方法、装置、设备和存储器