技術(shù)特征：

1.一種基于大語言模型和節(jié)點糾纏的圖對比學(xué)習(xí)謠言檢測方法，其特征在于由下述步驟組成：

2.根據(jù)權(quán)利要求1所述的基于大語言模型和節(jié)點糾纏的圖對比學(xué)習(xí)謠言檢測方法，其特征在于：在步驟(4)增強(qiáng)結(jié)構(gòu)空間的式(1)中，所述的β是超參數(shù)，β∈[1，200]，n1表示l1的特征值數(shù)量，n1∈[1,ni-1]，n2表示l2的特征值數(shù)量，n2∈[1,ni]，ni的具體取值與謠言數(shù)據(jù)集中節(jié)點的個數(shù)相同。

3.根據(jù)權(quán)利要求1所述的基于大語言模型和節(jié)點糾纏的圖對比學(xué)習(xí)謠言檢測方法，其特征在于：在步驟(4)增強(qiáng)結(jié)構(gòu)空間的式(2)中，所述的pc為一個超參數(shù)，pc∈(0,1)，ps為截止概率，ps∈(0,1)。

4.根據(jù)權(quán)利要求1所述的基于大語言模型和節(jié)點糾纏的圖對比學(xué)習(xí)謠言檢測方法，其特征在于：在步驟(6)訓(xùn)練謠言檢測模型的式(3)中，所述的τ為溫度系數(shù)，τ∈(0,1)。

5.根據(jù)權(quán)利要求1所述的基于大語言模型和節(jié)點糾纏的圖對比學(xué)習(xí)謠言檢測方法，其特征在于：在步驟(6)訓(xùn)練謠言檢測模型的式(4)中，所述的n表示樣本的數(shù)量，n取值至少為1；所述的w是參數(shù)，w取值為(0,1)，b是參數(shù)，b取值為[0,1)。

6.根據(jù)權(quán)利要求1所述的基于大語言模型和節(jié)點糾纏的圖對比學(xué)習(xí)謠言檢測方法，其特征在于：在步驟(6)訓(xùn)練謠言檢測模型的式(5)中，所述的λ表示權(quán)重系數(shù)，λ取值為(0,1)。

技術(shù)總結(jié)
一種基于大語言模型和節(jié)點糾纏的圖對比學(xué)習(xí)謠言檢測方法，由劃分?jǐn)?shù)據(jù)集、構(gòu)建謠言傳播圖、構(gòu)建特征增強(qiáng)視圖、構(gòu)建結(jié)構(gòu)增強(qiáng)視圖、構(gòu)建謠言檢測模型、訓(xùn)練謠言檢測模型、測試謠言檢測模型步驟組成。由于本發(fā)明采用基于大語言模型的特征空間增強(qiáng)和基于節(jié)點糾纏的結(jié)構(gòu)空間增強(qiáng)，使得編碼模型能夠捕捉謠言更本質(zhì)的特征，有效地緩解了現(xiàn)有謠言檢測方法對大量標(biāo)簽數(shù)據(jù)的過度依賴問題，進(jìn)而提升了謠言檢測模型的泛化能力和魯棒性。通過使用大語言模型對句子屬性的強(qiáng)大理解能力，使得節(jié)點特征更加豐富、準(zhǔn)確，實現(xiàn)了更精準(zhǔn)的謠言檢測。

技術(shù)研發(fā)人員：郝飛,許新蘭,祝心愿,李黎,林亞光,王亮
受保護(hù)的技術(shù)使用者：陜西師范大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15