融合TextCNN与TextRNN模型的谣言识别方法

• 作者: 耿唯佳 宋玉蓉 周伟伟
• 来源期刊: 微电子学与计算机
• 关键词: 社交网络 谣言识别 BERT模型 文本卷积神经网络 文本循环神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 31-38
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.0672

摘要

传统的谣言识别方法耗费人力物力并且准确率较低。为了有效识别社交网络中的谣言，提出一种基于融合模型的谣言识别方法.该方法首先通过BERT预训练模型构建文本句向量；其次构建TextCNN模型挖掘文本的语义特征，构建TextRNN模型用于挖掘文本的时序特征；最后，对两种模型进行加权融合，实现对谣言的识别.此外，还对原始主流模型进行了改进，一是借鉴Inception模型的思想来增加TextCNN模型的深度，二是将注意力机制注入TextRNN模型中，增加其可解释性和泛化能力.实验结果表明，相较于当前主流的谣言识别方法，该方法准确率可达到97.12%并且F1值可达到97.14%.