1.一种谣言数据检测方法,其特征在于,包括:
获取待检测数据;
基于预设条件对所述待检测数据进行分词处理,以获取多个分词处理结果,并利用预训练模型将每个所述分词处理结果转化为向量矩阵,其中,所述向量矩阵包括源文本数据和评论文本数据;
根据预设构造规则将各所述向量矩阵分别转换为目标结构图;
基于第一深度模型从各所述目标结构图中分别提取传播结构特征,并将提取出的多个所述传播结构特征进行融合处理,以获取融合特征;
基于第二深度模型从所述融合特征中获取时序特征,并根据预设分配机制将所述融合特征和所述时序特征进行权重分配,以获取目标特征向量;
将包含所述目标特征向量的待检测数据输入到预存的分类器中进行检测,以获取检测结果。
2.根据权利要求1所述的谣言数据检测方法,其特征在于,将按照预设的构造规则将各所述向量矩阵分别转换为目标结构图,具体包括:将各所述向量矩阵中的所述源文本数据和所述评论文本数据按照发表时间的顺序进行排列,以得到时间序列;
基于所述时间序列将各所述向量矩阵分别转化成所述目标结构图;
所述目标结构图包括正向扩散结构图和逆向聚合结构图;
其中,所述正向扩散结构图以所述源文本数据为正向扩散起点,以无转发或转推的评论文本数据为正向扩散终点;
所述逆向聚合结构图以所述无转发或转推的评论文本数据为逆向聚合起点,以所述源文本数据为逆向聚合终点。
3.根据权利要求1所述的谣言数据检测方法,其特征在于,基于第一深度模型从各所述目标结构图中分别提取传播结构特征包括:将所述目标结构图输入到基于双向图注意力神经网络模型中,以获取所述传播结构特征。
4.根据权利要求1所述的谣言数据检测方法,其特征在于,将提取出的多个所述传播结构特征进行融合处理,以获取融合特征包括:从每个所述传播结构特征中分别提取正向扩散结构特征和逆向聚合结构特征,并将所述正向扩散结构特征和所述逆向聚合结构特征进行特征融合,以获取所述融合特征。
5.根据权利要求1所述的谣言数据检测方法,其特征在于,基于第二深度模型从所述融合特征中获取时序特征包括:将包含所述融合特征的待检测数据输入到双向长短期记忆神经网络模型中进行特征提取,以获取所述时序特征。
6.根据权利要求1所述的谣言数据检测方法,其特征在于,根据预设分配机制将所述融合特征和所述时序特征进行权重分配,以获取目标特征向量,具体包括:在双向长短期记忆神经网络模型引入注意力机制,并根据所述注意力机制分别给包含所述融合特征和所述时序特征进行权重分配,以获取所述目标特征向量。
7.根据权利要求1所述的谣言数据检测方法,其特征在于,利用预设的预训练模型将每个所述处理结果转化为向量矩阵包括:基于xlnet‑base预训练模型将每个所述处理结果转化为所述向量矩阵。
8.一种谣言数据检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取待检测数据;
转换模块,用于基于预设条件对所述待检测数据进行分词处理,以获取多个分词处理结果,并利用预设的预训练模型将每个所述分词处理结果转化为向量矩阵,其中,所述向量矩阵包括源文本数据和评论文本数据;根据预设构造规则将各所述向量矩阵分别转换为目标结构图;
特征提取模块,用于基于第一深度模型从各所述目标结构图中分别提取传播结构特征,并将提取出的多个所述传播结构特征进行融合处理,以获取融合特征;基于第二深度模型从所述融合特征中获取时序特征,并根据预设分配机制将所述融合特征和所述时序特征进行权重分配,以获取目标特征向量;
检测模块,用于将包含所述目标特征向量的待检测数据输入到预存的分类器中进行检测,以获取检测结果。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述谣言数据检测方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述谣言数据检测方法的步骤。