一种基于多视角特征融合的高效社交网络聚合文本隐写分析方法

本发明公开一种基于多视角特征融合的高效社交网络聚合文本隐写分析方法，能够实现在文本碎片化且隐写信息稀疏的社交网络环境下，高效、稳定、准确地检测隐写文本包。包括：多视角特征提取：将同一用户的多条文本内容聚合为文本包，并从不同视角提取聚合文本整体的内容风格特征、标点模式特征以及情感分布特征，弥补社交网络单个碎片化文本的信息稀缺性；多尺度异构特征融合：采用编码器将提取到的三类尺度不同的文本包特征向量进行维度统一，并进行深度融合，在保持模型轻量级的同时获得具有可判别性的文本包表示；文本包隐写判别：采用多实例学习基于包级标签的分类损失函数训练并优化检测模型，减少单个实例的噪声，实现对文本包的高效准确分类。本发明为面向隐写信息稀疏、文本碎片化的社交网络文本隐写分析提供新的思路和方法，有效促进面向社交网络的文本隐写分析技术的发展和创新，推动文本隐写分析从实验室的理论研究向真实社交网络应用的发展。