典型文献
基于对抗神经网络的跨模态谣言检测
文献摘要：
[目的]通过结合文本和图像模数据,提出跨模态对抗神经网络模型,提高谣言检测对新数据的泛化能力.[方法]采用融合自注意力机制的双向长短时记忆网络模型表示文本特征,使用预训练的VGG19网络模型表示图像特征,通过对抗神经网络学习事件共同特征.[结果]所提模型在准确率、精确率、召回率和F1值得分等方面都优于对比模型,在微博、推特两个数据集上的准确率分别比基线模型的最优结果提高了 3.6个百分点和3.5个百分点.[局限]不同模态信息下的特征关联分析不够,跨模态数据的语义鸿沟问题没有很好解决.[结论]所提模型能够比现有方法更好地学习特征表示,在谣言检测上取得了较好的结果.
文献关键词：
谣言检测;对抗神经网络;双向长短时记忆网络;自注意力机制;VGG19
中图分类号：
作者姓名：
孟佳娜;王晓培;李婷;刘爽;赵迪
作者机构：
大连民族大学计算机科学与工程学院 大连116600
文献出处：
引用格式：
[1]孟佳娜;王晓培;李婷;刘爽;赵迪-.基于对抗神经网络的跨模态谣言检测)[J].数据分析与知识发现,2022(12):32-42
A类：
B类：
对抗神经网络,谣言检测,和图像,模数,新数据,泛化能力,自注意力机制,双向长短时记忆网络,长短时记忆网络模型,模型表示,文本特征,预训练,VGG19,图像特征,神经网络学习,共同特征,精确率,召回率,对比模型,微博,推特,比基,基线模型,百分点,模态信息,特征关联,跨模态数据,语义鸿沟,地学,学习特征,特征表示
AB值：
0.344803
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。
