一种基于动态图卷积神经网络的多模态融合谣言检测方法及系统

本发明公开了一种基于动态图卷积神经网络的多模态融合谣言检测方法及系统。所述方法通过构建语言传播路径的动态特征图，利用传播图中节点间的时序变化及关键节点关系，提取并解析语言传播过程中的潜在特征。采用神经网络对图像数据进行提取与增强，结合文本特征建模网络提取文本语义特征，并基于BERT模型实现文本特征向量化表示，获取丰富的语义信息。引入门控机制动态调整不同模态特征的融合权重，优化信息融合策略。进一步采用协同注意力机制进行深度融合，增强文本、图像和传播路径特征的交互学习，提升跨模态和时序数据的关联性。最终，将融合后的特征向量输入分类器进行精确分类，实现对社交媒体谣言的准确检测。本发明有效整合了多模态特征，显著提升了虚假信息的识别效率。