典型文献
基于混合深度模型的虚假信息早期检测
文献摘要：
针对一种信息特征进行检测方法在信息传播早期阶段提取的特征信息往往不充分,导致传播早期阶段检测准确率较低的问题,提出一个新颖的混合深度模型EGSI,模型由EXTRACT、GRU、SCORE和INTERATE 4个模块组成.EXTRACT通过卷积神经网络提取信息的传播路径特征,GRU通过门控循环单元捕获信息的文本特征和反馈特征,SCORE基于用户行为挖掘用户特征,INRERATE整合以上特征并预测出信息事件类标.EGSI通过整合信息最基本的4种特征(文本、用户、反馈、传播路径),从而可以在信息传播的早期阶段充分提取可用特征信息,进而较准确地检测出虚假信息.真实数据集的试验结果表明,模型在信息传播60 min内的准确率达到95.9％.相比基准方法,EGSI模型在检测虚假信息的准确率和时效性之间取得了较好的平衡.
文献关键词：
虚假信息早期检测;混合深度模型;神经网络;时序分析;信息特征
中图分类号：
作者姓名：
黄皓;周丽华;黄亚群;姜懿庭
作者机构：
云南大学信息学院,云南 昆明650000;云南师范大学信息学院,云南 昆明650000
文献出处：
引用格式：
[1]黄皓;周丽华;黄亚群;姜懿庭-.基于混合深度模型的虚假信息早期检测)[J].山东大学学报（工学版）,2022(04):89-98,109
A类：
混合深度模型,虚假信息早期检测,EGSI,EXTRACT,INTERATE,INRERATE
B类：
信息特征,信息传播,早期阶段,特征信息,检测准确率,GRU,SCORE,提取信息,传播路径,过门,门控循环单元,文本特征,用户行为,用户特征,预测出,息事,分提,真实数据,比基,基准方法,时序分析
AB值：
0.227433
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。
