典型文献
融合TextCNN与TextRNN模型的谣言识别方法
文献摘要：
传统的谣言识别方法耗费人力物力并且准确率较低.为了有效识别社交网络中的谣言,提出一种基于融合模型的谣言识别方法.该方法首先通过BERT预训练模型构建文本句向量;其次构建TextCNN模型挖掘文本的语义特征,构建TextRNN模型用于挖掘文本的时序特征;最后,对两种模型进行加权融合,实现对谣言的识别.此外,还对原始主流模型进行了改进,一是借鉴Inception模型的思想来增加TextCNN模型的深度,二是将注意力机制注入TextRNN模型中,增加其可解释性和泛化能力.实验结果表明,相较于当前主流的谣言识别方法,该方法准确率可达到97.12％并且F1值可达到97.14％.
文献关键词：
社交网络;谣言识别;BERT模型;文本卷积神经网络;文本循环神经网络
中图分类号：
作者姓名：
耿唯佳;宋玉蓉;周伟伟
作者机构：
南京邮电大学计算机学院、软件学院、网络空间安全学院,江苏南京210023;南京邮电大学 自动化学院、人工智能学院,江苏南京210023;山东工业职业学院电气工程学院,山东淄博255000
文献出处：
引用格式：
[1]耿唯佳;宋玉蓉;周伟伟-.融合TextCNN与TextRNN模型的谣言识别方法)[J].微电子学与计算机,2022(01):31-38
A类：
文本循环神经网络
B类：
TextCNN,TextRNN,谣言识别,耗费,人力物力,社交网络,融合模型,BERT,预训练模型,建文,句向量,语义特征,时序特征,加权融合,流模型,Inception,想来,注意力机制,可解释性,泛化能力,文本卷积神经网络
AB值：
0.313556
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。
