基于多层注意力机制深度学习模型的虚假评论检测

• 作者: 卢晓勇 徐盛剑 曾致远 陈木生
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 虚假评论检测 注意力机制 长短期记忆网络 表示学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 177-182
• 页数: 6页
• 分类号: TP3
• 字数: 5140字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.05.031

摘要

针对现有的虚假评论检测方法忽略了虚假评论文本的情感特征这一问题,提出一种基于注意力机制的多层编码器模型(ABME).基于评论首尾部分表达情感更加强烈等特点,将评论拆分为首、中、尾三部分,提高首尾部分的权重;使用双向LSTM模型编码,得到三个局部表示,使用自注意力机制和注意力机制将三个局部表示编码成一个全局特征表示;通过Softmax分类器得到分类结果.实验结果表明,与目前的最好方法相比较,该模型的平均准确率提高了3.3％,平均精度提高了1.21％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢晓勇	南昌大学软件学院	45	308	10.0	14.0
2	陈木生	南昌大学软件学院	10	48	5.0	6.0
4	曾致远	南昌大学软件学院	1	0	0.0	0.0
5	徐盛剑	南昌大学软件学院	1	0	0.0	0.0