一种基于知识库的网络信息延伸预判方法及系统与流程

摘要: 本技术属于信息传播,尤其涉及一种基于知识库的网络信息延伸预判方法及系统。背景技术:1、社交媒体信息转发监管的重要性,在于其直接关系到公共安全、社会秩序、个人权益...
一种基于知识库的网络信息延伸预判方法及系统与流程

本技术属于信息传播,尤其涉及一种基于知识库的网络信息延伸预判方法及系统。

背景技术:

1、社交媒体信息转发监管的重要性,在于其直接关系到公共安全、社会秩序、个人权益等健康运行。当前,社交媒体已成为信息传播的核心渠道,其“裂变式”传播特性使一条信息能在数分钟内触达数百万用户,这种高效性若缺乏有效约束,极易被虚假信息、仇恨言论和极端思想等负面内容利用。

2、在数字时代,社交媒体已深度融入社会治理,其信息转发的规范程度直接决定着网络空间的清朗与否。唯有通过科学监管构建“可追溯、可验证和可问责”的传播环境,才能在保障言论自由的同时,守住社会稳定与公共利益的底线,让社交媒体真正成为传播知识和推动进步的公共平台。

3、然而,现有技术缺少对网络信息传播的有效预判,进而导致监管效果较差。

技术实现思路

1、本技术提供的一种基于知识库的网络信息延伸预判方法,本方案基于知识库构建监管图谱,通过监管图谱预判转发内容的转发节点,并通过预设的引导计算模型计算多项引导特性值,对信息异常扩散的情况进行预判,提高监管效果。

2、第一方面,本技术实施例提供了一种基于知识库的网络信息延伸预判方法,所述方法包括以下步骤:

3、基于知识库中每个用户的被转发量进行筛选,构建被转发节点;基于每个被转发节点所对应用户的被转发情况,构建该用户的转发节点,并构建被转发节点和转发节点之间的边,得到监管图谱;

4、对每个转发节点的历史转发数据进行分类,构建每个转发节点的转发标签,所述转发标签包括多个转发类别;

5、对所述监管图谱中每个被转发节点进行监管,当所述被转发节点发送文本数据时,对该文本数据进行分类,基于分别数据的分类匹配所述转发节点,基于匹配的情况对转发节点进行提前监管;

6、当提前监管的所述转发节点转发文本数据时,获取转发文本数据时加入的补充文本,将所述补充文本输入到预设的引导计算模型中,所述引导计算模型设置有预设个数的计算通道,每个计算通道对应一种引导特性,每个计算通道均顺序设置有注意力层和归一化层;

7、基于所述引导计算模型输出的多个引导特性值计算引导权重值,基于所述引导权重值计算异常扩散值。

8、采用上述方案,本方案首先基于知识库所收录的内容,确定初始的监管图谱,该图谱中包括转发节点和被转发节点,通过对被转发量较大的转发节点进行监管,并基于转发节点的转发标签与实际发送内容的类别相匹配,能够预判转发内容的转发节点,并在实际的转发监管过程中,通过预设的引导计算模型计算多项引导特性值,通过多项引导特性综合计算异常扩散值,本方案能够进一步对信息异常扩散的情况进行预判,提高监管效果。

9、在本发明的一些实施方式中,所述引导特性包括情绪附着性、认知强化性、互动引导性和语境适配性,所述引导计算模型设置有四个计算通道,四个计算通道分别对应情绪附着性、认知强化性、互动引导性和语境适配性,每个计算通道在所述归一化层后还设置有连接有预测层,所述预测层顺序设置有全连接层、relu激活函数层和sigmoid激活函数层,通过sigmoid激活函数层输出引导特性值。

10、在本发明的一些实施方式中,在基于所述引导计算模型输出的多个引导特性值计算引导权重值的步骤中,采用如下公式计算引导权重值:

11、

12、其中,表示引导权重值,、、和分别表示情绪附着性、认知强化性、互动引导性和语境适配性对应的引导特性值,、、和分别表示情绪附着性、认知强化性、互动引导性和语境适配性对应的计算权重。

13、采用上述方案,本方案设置有四个计算通道,四个计算通道分别对应情绪附着性、认知强化性、互动引导性和语境适配性,其中,情绪附着性为文本引发读者情绪共鸣的程度,认知强化性为文本增强读者认知的程度,互动引导性为文本引导读者参与互动的程度,语境适配性为文本与当前语境的匹配程度,结合上述四点计算引导权重值能够计算得到引导读者情绪波动,并容易导致进行进一步异常传播的可能性。

14、在本发明的一些实施方式中,在基于所述引导权重值计算异常扩散值的步骤中,将当被转发节点发送的文本数据输入到预设的敏感度计算模型中,所述敏感度计算模型顺序设置有输入层、lstm隐藏层、全连接层和输出层,通过所述输出层输出敏感度值;基于所述敏感度值和引导权重值计算异常扩散值。

15、采用上述方案,本方案通过敏感度计算模型计算被转发节点发送的文本数据自身的敏感程度,对于一些高敏感的文本,本身即容易导致异常传播的产生;本方案进一步通过集合敏感度值和引导权重值计算异常扩散值,该异常扩散值对应结合文本本身及转发者加入的文本的异常扩散的可能,通过异常扩散值能够更为精准的判定文本的异常扩散的发生情况。

16、在本发明的一些实施方式中,所述方法的步骤还包括,基于所述异常扩散值判定是否该转发是否易导致异常扩散,若判定易导致异常扩散,则修改对应转发节点异常标签;

17、在修改对应转发节点的异常标签的过程中,判定该转发节点是否存在异常标签;

18、若不存在,则增加异常标签,并标记异常等级为1级;

19、若存在,则判定该异常标签的异常等级是否到达上限阈值等级,若到达,则不增加异常等级,若未到达,则升高一级异常等级。

20、在本发明的一些实施方式中,所述敏感度计算模型的lstm隐藏层中顺序设置有lstm层和注意力层,所述注意力层设置有多个注意力头,所述lstm层用于捕捉长距离语义依赖关系。

21、采用上述方案,设置有多个注意力头的所述注意力层用于加权提取关键情感词和话题核心。

22、在本发明的一些实施方式中,在基于所述引导计算模型输出的多个引导特性值计算引导权重值,基于所述引导权重值计算异常扩散值的步骤中,获取对应的转发节点的异常标签,若所述异常标签中的异常等级大于异常阈值等级,则基于当前的异常阈值等级计算标签权重,基于标签权重值、引导权重值和敏感度值计算异常扩散值。

23、采用上述方案,本方案进一步引入了标签权重值,能够针对部分的网络推手用户进行对应加成,当频繁进行异常引导的转发时,该节点的异常等级升高,从而导致标签权重值升高,保证对于该用户的转发的准确定位。

24、在本发明的一些实施方式中,在对每个转发节点的历史转发数据进行分类,构建每个转发节点的转发标签的步骤中,基于预设的分类模型对转发节点的每条历史转发数据进行分类,并记录每个分类中的数据条数,将数据条数较多的预设个数的转发类别名称作为该转发节点的转发标签。

25、在本发明的一些实施方式中,在当所述被转发节点发送文本数据时,对该文本数据进行分类,基于分别数据的分类匹配所述转发节点的步骤中,将所述文本数据输入到预设的分类模型中,所述分类模型输出该文本数据的分类,将该分类与转发节点转发标签中的转发类别名称相匹配,若匹配成功,则将该转发节点作为匹配的转发节点。

26、本发明另一方面还涉及一种基于知识库的网络信息延伸预判系统,该系统包括计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该系统实现所述方法所实现的步骤。

27、本发明的附加优点、目的,以及特征将在下面的描述中将部分地加以阐述,且将对于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出并获得。

28、本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。