(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210454682.8 (22)申请日 2022.04.24 (71)申请人 中国人民武装警察部队工程大 学 地址 710086 陕西省西安市三 桥武警路1号 (72)发明人 葛晓义　张明书　刘佳　魏彬　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 曹祥波 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06Q 50/00(2012.01) (54)发明名称 基于双重情感 感知的谣言检测方法及装置 (57)摘要 本发明涉及基于双重情感感知的谣言检测 方法及装置， 该方法， 包括： 获取谣言文本和用户 评论， 并对谣 言文本和用户评论进行向量嵌入表 示； 根据向量嵌入表示， 提取谣言文本语义特征 及提取谣言文本情感特征和用户评论情感特征； 将谣言文本语义特征与用户评论情感特征结合， 以获得语义融合特征， 将谣言文本情感特征与用 户评论情感特征结合， 以获得情感融合特征； 将 语义融合特征和情感融合特征进行分类， 以获得 检测结果。 本发 明通过分别提取谣 言文本语义特 征， 谣言文本情感特征和用户评论情感特征进行 谣言检测， 具有较高的检测结果， 可用于社交媒 体上， 尤其是当前社交媒体上认知战正愈演愈 烈， 可利用该方案进行仇恨语言检测， 意识形态 检测等任务。 权利要求书4页 说明书11页 附图3页 CN 114817541 A 2022.07.29 CN 114817541 A 1.基于双重情感 感知的谣言检测方法， 其特 征在于， 包括以下步骤： 获取谣言文本和用户评论， 并对谣言文本和用户评论进行向量嵌入表示； 根据向量嵌入表示， 提取谣言文本语义特征及提取谣言文本情感特征和用户评论情感 特征； 将谣言文本语义特征与用户评论情感特征结合， 以获得语义融合特征， 将谣言文本情 感特征与用户评论情感特 征结合， 以获得情感融合特 征； 将语义融合特 征和情感融合特 征进行分类， 以获得检测结果。 2.根据权利要求1所述的基于双重情感感知的谣言检测方法， 其特征在于， 所述获取谣 言文本和用户评论， 并对谣言文本和用户评论进行向量嵌入表示步骤中， 谣言文本中一条 谣言由M个句子组成， 其中每个句子s由m个词组成 一条谣言对应的用户 评论由n个句子组成， 其中每 个句子e由N个词组成 3.根据权利要求2所述的基于双重情感感知的谣言检测方法， 其特征在于， 所述根据向 量嵌入表示， 提取谣言文本语义特征及提取谣言文本情感特征和用户评论情感特征步骤 中， 谣言文本语义特 征的提取包括: 谣言文本中的词与上下文具有关联性， 具有较强的双 向语义依赖， 从词的两个方向建 模获取谣言文本语义特征； 其中， 词嵌入的向量为 前向隐藏状态为 后向隐藏状态为 词的特征表示为 句子向量s∈2d×m； 其中， 用于衡量第t个单词对句子s的重要性， 的计算公式如下： 其中， 是通过完全嵌入层从隐藏状态 获得的， Ww， bw是可训练的参数， uw为权重矩阵； 谣言文本情感特征和用户评论情感特征的提取包括:谣言文本情感特征为U＝[u1, u2,…uM]， 用户评论情感特征为V＝[v1,v2,…vN]， 其中， 对用户评论中某一行评论情感嵌入 后的向量 进行卷积操作： 其中， W∈λ×d是可学习的参数矩阵， b是偏置项， 偏ReLU是激活函数； 对卷积得到hj进行 最大池化， 可 得到每一句评论的情感特 征： 其中， 通过CNN层使用2个过滤器λ∈{2,3}， 以获取多个特征， 将不 同的输出连接起来，权　利　要　求　书 1/4 页 2 CN 114817541 A 2形成vj作为用户评论的单个表示， 通过同样的方 式， 得到用户评论中每个评论的情感特征， 形成用户评论的情感特 征矩阵V＝[v1,v2,…,vN]。 4.根据权利要求3所述的基于双重情感感知的谣言检测方法， 其特征在于， 所述将谣言 文本语义特征与用户评论情感特征结合， 以获得语义融合特征， 将谣言文本情感特征与用 户评论情感特征结合， 以获得情感融合特征步骤中， 谣 言文本表 示为： S＝[s1,s2,…,sM]， 用 户评论情感特 征表示为： E＝[e1,e2,…,eN]； 首先计算相似矩阵F＝tanh(EWseS)， 其中F＝N×M,Wse∈2d×2d是可学习的参数矩阵， 将相似 矩阵作为 一个特征， 则谣言文本语义特 征和用户评论情感特 征的协同表示： Hs＝tanh(WsS+(WeE)F) He＝tanh(WeE+(WsS)FT) 其中， Ws,We∈k×2d为可学习的参数矩阵， 谣言文本和用户评论情感特征的注意力权重 为： 其中， as∈1×M,ae∈1×N分别是谣言文本中每个词和评论的情感特征中每个评论的注意 权重， Whs,Whe是可训练权 重， 最终， 通过加权协同表示， 得到语义融合特 征为： 利用协同注意力机制对谣言文本情感特征和用户评论情感特征， 通过计算相似矩阵， 获取对应的权 重分别生成协同表示， 得到情感融合特 征为： 5.根据权利要求4所述的基于双重情感感知的谣言检测方法， 其特征在于， 所述将语义 融合特征和情感融合特 征进行分类， 以获得检测结果 步骤中， 检测结果的计算包括： 其中， 为softmax函数计算的概 率值， Wf为权重矩阵， b为偏置项。 6.基于双重情 感感知的谣言检测装置， 其特征在于， 包括： 获取嵌入单元， 提取单元， 结 合单元及分类单 元； 所述获取嵌入单元， 用于获取谣言文本和用户评论， 并对谣言文本和用户评论进行向 量嵌入表示； 所述提取单元， 用于根据向量嵌入表示， 提取谣言文本语义特征及提取谣言文本情感 特征和用户评论情感特 征； 所述结合单元， 用于将谣言文本语义特征与用户评论情感特征结合， 以获得语义融合 特征， 将谣言文本情感特 征与用户评论情感特 征结合， 以获得情感融合特 征； 所述分类单 元， 用于将语义融合特 征和情感融合特 征进行分类， 以获得检测结果。 7.根据权利要求6所述的基于双重情感感知的谣言检测装置， 其特征在于， 所述获取嵌 入单元中， 谣言文本中一条谣言由M个句子组成， 其中每个句子s由m个词组成权　利　要　求　书 2/4 页 3 CN 114817541 A 3