典型文献
融合时间序列与卷积神经网络的网络谣言检测
文献摘要：
针对卷积神经网络检测网络谣言没有考虑到谣言各生命周期之间的深层特征以及训练参数过于庞大问题,提出了一种融合时间序列和卷积神经网络的谣言检测算法(CNN-TS).首先将微博中的谣言事件向量化,其次将这些向量根据时间顺序分组为潜伏期、滋生期、蔓延期、消退期,然后通过卷积神经网络隐含层的学习训练来挖掘表示各阶段文本深层的特征,最后通过修改分类函数进一步加强学习效果.实验结果表明,该检测算法在准确率、精确率及F1值上均优于支持向量机与卷积神经网络,能够准确识别谣言事件.
文献关键词：
卷积神经网络;谣言检测;时间序列;分类函数
中图分类号：
作者姓名：
汪建梅;彭云;余晨钰
作者机构：
江西师范大学计算机信息工程学院,南昌330022
文献出处：
引用格式：
[1]汪建梅;彭云;余晨钰-.融合时间序列与卷积神经网络的网络谣言检测)[J].小型微型计算机系统,2022(05):1020-1026
A类：
B类：
网络谣言,谣言检测,神经网络检测,测网,深层特征,检测算法,TS,微博,向量化,潜伏期,滋生,延期,消退,隐含层,学习训练,分类函数,加强学习,精确率,准确识别
AB值：
0.273288
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。
