典型文献
结合Bi-LSTM与VDCNN的社交网络攻击性言论识别方法
文献摘要：
互联网宽松环境下社交网络语言攻击频发,在极大地占用公共资源的同时传递了负面情绪,不利于网民的理性思考,智能识别并采取相应措施能够避免社交网络语言攻击进一步扩散.为了解决社交网络攻击性言论的识别问题,针对网络用语的创新性、不规范性特点,使用BERT文本嵌入作为输入来训练文本分类模型,建立字符级的Bi-LSTM和VDCNN融合文本分类模型,将序列信息和局部相关性信息融合起来,通过与单一Bi-LSTM模型、单一VDCNN模型,其他Bi-LSTM和VDCNN混合模型以及基于深度学习的文本分类器在新浪微博的粉丝攻击性言论数据集上进行对比实验,验证了Bi-LSTM-VDCNN的优越性和有效性.
文献关键词：
攻击性言论识别;文本分类;卷积神经网络;深度残差网络
中图分类号：
作者姓名：
李永忠;赵艺
作者机构：
福州大学经济与管理学院,福建福州 350108
文献出处：
引用格式：
[1]李永忠;赵艺-.结合Bi-LSTM与VDCNN的社交网络攻击性言论识别方法)[J].福州大学学报（哲学社会科学版）,2022(06):76-83
A类：
VDCNN,攻击性言论识别
B类：
Bi,社交网络,网络攻击,宽松环境,网络语言,公共资源,负面情绪,网民,理性思考,智能识别,相应措施,网络用语,BERT,文本分类,分类模型,字符,序列信息,局部相关,信息融合,混合模型,分类器,新浪微博,粉丝,深度残差网络
AB值：
0.250778
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
