一种新的考虑注意力机制的微博谣言检测模型

• 作者: 潘德宇 宋玉蓉 宋波
• 来源期刊: 小型微型计算机系统
• 关键词: 谣言检测 卷积神经网络 注意力机制 准确率
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithm Research
• 页码范围: 348-353
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.02.021

摘要

随着社交媒体的迅速发展,谣言通过社交媒体迅速传播,识别社交媒体网络上的谣言是社交网络研究中一个至关重要的问题.本文提出了一种新的考虑注意力机制的微博谣言检测模型,考虑到卷积神经网络(CNN)提取到的特征对输出结果影响力问题,在经典的文本卷积神经网络(Text CNN)上引入了注意力机制,通过CNN中的卷积层学习微博窗口的特征表示,再根据每个特征表示对输出结果的影响力不同通过注意力机制赋予不同的权重来进行谣言事件的检测.研究结果表明,本文提出的微博谣言检测模型准确率达到了96.8％,并且在召回率和F1值上也有提升,即本文提出的新的微博谣言检测模型具有更好的谣言识别能力.