典型文献
融合多元用户特征和内容特征的微博谣言实时检测模型
文献摘要：
针对目前基于单文本语义特征深度学习的微博谣言实时检测模型泛化能力不足的问题,提出一种融合多元用户特征和内容特征的实时检测模型.首先,在传统用户基本特征和内容统计特征的基础上,利用用户的历史行为数据,挖掘用户理性值和用户专业度两个深层次特征;然后,基于词向量和带有注意力机制的双向GRU神经网络构建文本语义特征学习模型;最后,采用分层特征级联和全连接的方式进行特征融合,把融合特征输入分类模型进行训练.实验结果表明,该模型的检测准确率达到了 91.74％,相比其他只关注文本语义特征的深度学习实时检测模型具有更好的识别效果,相比于其他改进型的实时检测模型 F1-Measure 值也提高了 2.19％.
文献关键词：
微博谣言;实时检测;特征融合;深层特征;深度学习
中图分类号：
作者姓名：
黄学坚;王根生;罗远胜;闵潞;吴小芳;李志鹏
作者机构：
江西财经大学人文学院,南昌330013;江西财经大学计算机实践教学中心,南昌330013;江西财经大学国际经贸学院,南昌330013
文献出处：
引用格式：
[1]黄学坚;王根生;罗远胜;闵潞;吴小芳;李志鹏-.融合多元用户特征和内容特征的微博谣言实时检测模型)[J].小型微型计算机系统,2022(12):2518-2527
A类：
B类：
用户特征,内容特征,微博谣言,言实,实时检测,检测模型,文本语义特征,模型泛化,泛化能力,统计特征,用用,史行,行为数据,层次特征,词向量,注意力机制,GRU,网络构建,建文,特征学习,特征级联,联和,全连接,特征融合,融合特征,分类模型,检测准确率,注文,改进型,Measure,深层特征
AB值：
0.396882
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。
