10.3969/j.issn.1000-386x.2021.03.022
基于BERT模型的增强混合神经网络的谣言检测
网络社交平台中大量谣言的广泛传播严重影响社会稳定.传统谣言检测方法无法有效处理文本中多义词和突出重要关键词,造成检测效果不理想.针对该问题,提出一种基于BERT模型的增强混合神经网络的谣言检测方法.该方法使用BERT模型将推文向量化,通过3种不同尺寸的卷积核学习推文特征,将这些特征进行最大池化拼接得到特征序列,并输入到BiLSTM中学习序列特征.同时引入Attention机制计算注意力分值,实现谣言检测.在公开数据集Twitter15和Twitter16上的实验结果表明,该方法相较于其他方法在谣言检测性能方面提升明显,并在早期检测阶段表现出卓越的检测能力,检测准确率提高了5个百分点.
谣言检测、特征提取、卷积神经网络、双向长短期记忆网络、注意力机制
38
TP391(计算技术、计算机技术)
国家自然科学基金项目;NSFC-新疆联合基金项目;湖北省自然科学基金项目
2021-03-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
147-152,189