一种基于多元特征融合的早期谣言检测方法

本发明属于社交网络谣言检测，具体涉及一种基于多元特征融合的早期谣言检测方法。

背景技术：

1、随着社交网络平台的快速发展，网络信息传播速度显著提升，用户能够通过转发、评论和互动等方式迅速扩散信息。在此过程中，谣言信息也更容易借助社交平台形成大范围传播，并在较短时间内对社会舆论和公共认知造成不良影响。因此，如何在谣言传播早期阶段实现快速、准确的识别，已经成为社交网络信息治理中的重要问题。

2、现有谣言检测方法通常从文本内容、用户属性和传播结构等角度进行建模，但在谣言传播早期阶段，用户参与数量较少，传播链条尚未充分展开，传播网络结构较为稀疏，导致可利用的数据量有限，特征表达不充分。同时，用户情感特征、用户信誉度特征以及传播结构特征之间往往存在复杂的非线性交互关系，若仅采用单一特征或简单拼接方式进行建模，难以充分挖掘多元特征之间的关联性，从而影响检测结果的准确性。

3、在现有的谣言检测技术中，研究人员提出了多种创新方法。例如，有研究提出了一种融合观点分歧度与情感博弈的检测模型，该方法基于话题和用户特征进行提取，并结合多项式方程与三方认知博弈理论构建情感交互影响力，最终利用长短期记忆网络（lstm）完成谣言检测。另有技术借助bert模型分别提取正文与评论的语义及情感特征，通过计算两者间的情感差异性向量，并利用全连接网络对融合特征进行鉴别分类。此外，还有方法通过对用户及社交响应文本进行预处理生成社交网络异构图，从而实现谣言的早期检测预警；或者将用户属性输入基于稀疏表示和张量补全的模型，结合演化博弈理论与神经网络来预测用户参与谣言或辟谣话题的传播趋势。然而，上述现有技术在实际应用中仍存在一定的局限性。首先，用户的情感特征与信誉度特征通常仅作为独立输入进行直接拼接，未能对这两类特征之间的非线性交互关系进行显式建模。其次，现有的图注意力网络多局限于对原始特征进行拓扑聚合，缺乏将特征交互建模结果与传播拓扑聚合进行协同设计的机制。最后，在时序动态建模方面，现有方法普遍缺少基于时序滑动窗口的认知博弈影响度计算与动态增益校准机制，难以精准捕捉谣言传播过程中的动态变化。在不同时刻，用户的参与行为往往会受到其历史行为、社交邻居行为以及话题整体热度等多种因素的共同影响。现有方法在刻画这种用户行为的动态变化及抑制异常波动方面仍存在不足，难以有效利用动态增益特征来提升早期谣言的检测效果。

4、因此，亟需提出一种能够综合利用多元特征、传播结构特征以及动态行为特征的早期谣言检测方法，以进一步提升早期谣言检测的准确率、稳定性和可靠性。

技术实现思路

1、本发明所要解决的技术问题包括：第一，如何在谣言传播早期阶段对用户情感特征和用户信誉度特征进行有效提取与联合建模，以提升用户节点特征表达能力；第二，如何利用含交互项的多元回归模型与图注意力网络协同建模用户节点间的非线性交互关系和传播拓扑关系，以得到更具判别能力的节点嵌入表示；第三，如何结合用户历史行为、社交邻居行为及话题整体热度构建动态增益特征，并与传播结构嵌入表示进行融合判别，从而提升早期谣言检测的准确性和稳定性。

2、为解决上述技术问题，本发明采用的技术方案为：一种基于多元特征融合的早期谣言检测方法。在同一检测流程中，按顺序执行以下六个步骤：s1，获取待检测的社交网络数据集，构建谣言传播网络，并提取谣言传播网络中各用户节点的用户情感特征与用户信誉度特征；s2，利用含交互项的多元回归模型对步骤s1提取的用户情感特征与用户信誉度特征进行非线性交互建模，计算得到各用户节点的初始特征影响力得分；s3，将步骤s2得到的初始特征影响力得分作为各用户节点在谣言传播网络中的初始属性，输入至两层图注意力网络中进行节点特征聚合，输出包含传播拓扑关联的嵌入表示矩阵；s4，在时间轴上设置时序滑动窗口，根据用户历史行为参与度、社交邻居节点的当前对抗行为影响强度以及时刻话题整体热度，计算各用户节点的认知博弈影响度；s5，根据步骤s4得到的认知博弈影响度计算对抗认知增益，并利用基于动态阈值的校准机制对对抗认知增益进行压缩处理，构建动态增益矩阵；s6，将步骤s3输出的嵌入表示矩阵与步骤s5构建的动态增益矩阵进行特征融合与分类判别，输出社交网络数据集的早期谣言检测结果。

3、上述六个步骤在同一检测流程中顺序衔接：步骤s1提取的用户情感特征与用户信誉度特征支撑步骤s2的含交互项的多元回归建模；步骤s2输出的初始特征影响力得分作为步骤s3图注意力网络节点聚合的输入基础；步骤s3输出的嵌入表示矩阵与步骤s4和步骤s5构建的认知博弈影响度和动态增益矩阵共同支撑步骤s6的特征融合与分类判别，形成"特征交互建模—拓扑聚合—时序动态增益—融合分类"的完整技术闭环。

4、与现有技术相比，本发明的有益效果在于：通过提取用户情感特征和用户信誉度特征，并利用含交互项的多元回归模型刻画多元特征之间的非线性交互关系，能够提高用户节点特征建模能力；通过引入两层图注意力网络对传播结构中的节点关系进行加权聚合，能够增强传播拓扑关联信息表达能力；通过结合认知博弈影响度、对抗认知增益及动态阈值校准机制构建动态增益矩阵，并与嵌入表示矩阵进行融合判别，能够更充分地表征谣言传播过程中的动态行为变化特征，从而有效提升早期谣言检测的准确率、稳定性和可靠性。

1.一种基于多元特征融合的早期谣言检测方法，其特征在于，在同一检测流程中按顺序执行以下步骤：

2.根据权利要求1所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，步骤s1获取待检测的社交网络数据集，构建谣言传播网络，并提取谣言传播网络中各用户节点的用户情感特征与用户信誉度特征，包括：

3.根据权利要求1所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，步骤s2利用含交互项的多元回归模型对步骤s1提取的用户情感特征与用户信誉度特征进行非线性交互建模，计算得到各用户节点的初始特征影响力得分，包括：

4.根据权利要求1所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，步骤s3将初始特征影响力得分输入至两层图注意力网络中进行节点特征聚合，输出包含传播拓扑关联的嵌入表示矩阵，包括：

5.根据权利要求1所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，步骤s4在时间轴上设置时序滑动窗口，根据用户历史行为参与度、社交邻居节点的当前对抗行为影响强度以及时刻话题整体热度，计算各用户节点的认知博弈影响度，包括：

6.根据权利要求1所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，步骤s5根据认知博弈影响度计算对抗认知增益，并利用基于动态阈值的校准机制对对抗认知增益进行压缩处理，构建得到动态增益矩阵，包括：

7.根据权利要求1所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，步骤s6将嵌入表示矩阵与动态增益矩阵进行特征融合与分类判别，输出社交网络数据集的早期谣言检测结果，包括：

8.根据权利要求7所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，当所述概率预测值大于或等于预设判别阈值时，判定当前待检测话题为谣言话题；当所述概率预测值小于所述预设判别阈值时，判定当前待检测话题为非谣言话题。

9.根据权利要求7所述的一种基于多元特征融合的早期谣言检测方法，其特征在于，采用交叉熵损失函数对所述双通道卷积神经网络融合模型进行优化，以提升模型对分类边界的拟合能力。