基于元学习及深度学习的少样本社交媒体谣言检测方法

发明专利有效专利

申请号：
CN202110770088.5
IPC分类号：G06F16/35;G06F16/33;G06F16/335;G06F40/126;G06N20/00
申请日期：
2021-07-07
申请人：
江南大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于元学习及深度学习的少样本社交媒体谣言检测方法
申请号	CN202110770088.5	申请日期	2021-07-07
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-10	公开/公告号	CN113377959A
优先权	暂无	优先权号	暂无
主分类号	G06F16/35	IPC分类号	G;0;6;F;1;6;/;3;5;;;G;0;6;F;1;6;/;3;3;;;G;0;6;F;1;6;/;3;3;5;;;G;0;6;F;4;0;/;1;2;6;;;G;0;6;N;2;0;/;0;0查看分类表>
申请人	江南大学	申请人地址	江苏省无锡市滨湖区蠡湖大道1800号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	江南大学	当前权利人	江南大学
发明人	陆恒杨;范晨悠;杨舜;吴小俊
代理机构	苏州市中南伟业知识产权代理事务所（普通合伙）	代理人	暂无

摘要

本发明公开了一种基于元学习及深度学习的少样本社交媒体谣言检测方法，包括通过大样本事件的文本数据和双向GRU模型得到通用预测模型，获取少样本事件的文本数据并将少样本事件的谣言检测任务建模为二分类机器学习任务，将少样本事件的文本数据分为有标注少样本和无标注少样本，使用有标注少样本更新通用预测模型的参数得到少样本谣言预测模型，将无标注少样本输入少样本谣言预测模型得到预测结果。本发明通过元学习方法构造少样本谣言预测模型和二分类机器学习任务，对突发事件相关文本进行有效的谣言预测，从而在早期及时遏制谣言的传播。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供