典型文献
句子级状态下LSTM对谣言鉴别的研究
文献摘要：
针对目前网络谣言鉴别研究,文本学习往往会受到文本读入内容过长导致长距离信息丢失或者是为了捕捉局部信息而依赖于长期输入表示从而影响鉴别结果.通过提出S-LSTM(sentence-state long short term memory networks)算法在保留字词节点信息的同时对句子进行聚合,从而保留句子的局部和全局信息,进而提升网络谣言鉴别的精确性和有效性.与TextGCN、Bi-GCN、Att_BiLSTM等几种深度网络谣言鉴别方法的对比中,该方法在两组模型测试上的准确率分别达到78.87％、90.30％,均取得了不错的效果,在考虑句子全局信息的情况下,其对谣言鉴别效果会有不错的提升.
文献关键词：
谣言鉴别;S-LSTM;图神经网络;文本分类
中图分类号：
作者姓名：
庞源焜;张宇山
作者机构：
广东财经大学 统计与数学学院,广州510320
文献出处：
引用格式：
[1]庞源焜;张宇山-.句子级状态下LSTM对谣言鉴别的研究)[J].计算机应用研究,2022(04):1064-1070
A类：
保留字,留字,TextGCN
B类：
句子级,谣言鉴别,网络谣言,文本学习,读入,长距离,信息丢失,局部信息,sentence,state,long,short,term,memory,networks,字词,节点信息,对句,全局信息,精确性,Att,BiLSTM,深度网络,鉴别方法,模型测试,不错,图神经网络,文本分类
AB值：
0.388828
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。
