基于情感分析和Transformer模型的微博谣言检测

• 作者: 冯茹嘉 张海军 潘伟民
• 来源期刊: 计算机与现代化
• 关键词: 谣言检测 情感分析 XLNet Transformer模型 深度学习
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 人工智能|ARTIFICIAL INTELLIGENCE
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.10.001

摘要

针对微博文本以实现谣言检测为目标,深度挖掘微博正文内容的语义信息,并且着重强调用户在微博评论中体现的情感倾向性,提升谣言识别效果.为提高谣言检测的准确率,采取基于XLNet的词嵌入方法,使用Transformer的En-coder的模型提取微博正文内容的语义特征,并结合BiLSTM+Attention网络实现微博评论的情感特征的提取,将2种特征向量进行拼接融合,进一步丰富神经网络的输入特征,之后输出微博事件的分类结果,进而实现微博谣言检测.实验结果显示,该模型对谣言识别的正确率达到94.8％.