结合文本及用户资料数据的微博谣言检测

• 作者: 柳先觉 徐义春 董方敏
• 来源期刊: 长江信息通信
• 关键词: 自注意力机制 卷积神经网络 最大池化 用户资料 谣言检测
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 学术研究
• 页码范围: 39-43
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1131.2020.12.011

摘要

社交平台谣言检测问题通常以源帖文本,回复文本为谣言检测的判断依据.此外,用户相关数据也利于提高谣言检测准确率.根据文本内容和回复内容呈现的序列特性,个人资料和微博统计数据多维度的无序性,提出基于自注意力的卷积神经网络及用户信誉特征谣言检测方法.该方法利用自注意力和卷积神经网络对源帖以及回复文本进行词级和句子级别的二级编码获取文本语义特征和谣言事件回帖的时序特征,并通过自注意力和最大池化结合用户个人信息及微博统计数据编码用户信誉特征进行谣言检测.在取自微博和推特的两个公开数据集上实验表明:1.结合自注意力的卷积神经网络序列编码优于单一的卷积神经网络;2.用户信誉特征能有效提高谣言检测结果准确率.