1.一种多领域虚假新闻读者认知检测方法，其特征在于，包括以下步骤：S1，采集虚假新闻，获得虚假新闻中与读者认知相关的关键特征，所述关键特征包括标题内容和/或头图、读者行为、对读者的影响和作者意图；

S2，将虚假新闻中与读者认知相关的关键特征输入MDRCD模型，通过MDRCD模型输出的认知标签判断读者认为虚假新闻是否为真，从而判断读者的认知结果是否正确；

所述MDRCD模型包括预处理模块、多领域特征提取模块和分类器模块，预处理模块：将文本格式的关键特征转换为数字格式的标记；

多领域特征提取模块：数字格式的关键特征作为输入数据，对输入数据进行特征提取；

多领域特征提取模块包括XLNet、text_CNN和领域门；

XLNet通过使用多层Transformer结构对来自预处理模块的标记进行编码和学习，最终将生成相应的输出W＝[w然后将XLNet的输出W作为多个text_CNN的输入，每个text_CNN用于对某一领域的数据集进行特征提取，其中第i个text_CNN的输出为ee

其中θ

Φ

XLNet的输出W通过了attention层后得到句子嵌入e其中，

G(·；φ)是一个前馈网络；

φ表示领域门内的参数；

结合领域门，关于假新闻的最终输出向量V可以表示如下：其中，k

e

n′表示专家模型的数量；

分类器模块：接收特征提取后的向量，并进行分类，以确定读者在阅读假新闻后是否将其视为真实或虚假。

2.根据权利要求1所述的一种多领域虚假新闻读者认知检测方法，其特征在于，所述分类器模块利用多层感知器预测读者在阅读虚假新闻标题后的认知，基于向量V来预测相应的标签y'，y'可以表示如下：y′＝softmax(MLP(V))                       (5)其中softmax(MLP(V))表示先将向量V输入多层感知器，然后再使用softmax函数归一化处理。

3.根据权利要求1所述的一种多领域虚假新闻读者认知检测方法，其特征在于，MDRCD模型的损失函数为BCELoss损失函数，其表达式如下：其中，N为样本数量；

y

y

4.根据权利要求3所述的一种多领域虚假新闻读者认知检测方法，其特征在于，所述样本i的真实标签y

5.根据权利要求1所述的一种多领域虚假新闻读者认知检测方法，其特征在于，MDRCD模型的训练数据集采用的是多个领域的虚假新闻数据集，且按领域输入MDRCD模型中。