典型文献
基于改进Transformer的社交媒体谣言检测
文献摘要：
随着互联网的快速发展,社交媒体日益广泛而深刻地融入人们日常生活的各个方面.社交媒体逐渐成为人们彼此之间用来分享意见、见解、经验和观点的工具和平台,是人们获取分享信息、表达交流观点的主要途径.社交媒体在互联网的沃土上蓬勃发展,爆发出令人眩目的能量.由于社交媒体的开放性,用户规模庞大且来源复杂众多,容易产生各种各样的谣言虚假信息.社交媒体谣言左右着网民对事件的认识、动摇着社会的稳定.因此,如何准确高效地检测谣言成为当下亟待解决的问题.现有基于Transformer的社交媒体谣言检测模型忽略了文本位置信息.为有效提取文本位置信息,充分利用文本潜在信息,提出了一种基于改进Transformer的社交媒体谣言检测模型.该模型从相对位置和绝对位置两方面对传统Transformer进行改进:一方面采用可学习的相对位置编码捕捉文本的方向信息和距离信息;另一方面采用绝对位置编码将不同位置词语映射到不同特征空间.实验结果表明,与其他基准模型相比,所提模型在Twitter15、Twitter16和Weibo 3种数据集上的准确率分别提高了0.9％、0.6％和1.4％.实验结果验证了所提的位置编码改进有效,基于位置编码改进的Transformer模型可显著提升社交媒体谣言检测效果.
文献关键词：
社交媒体谣言检测;改进Transformer;位置信息
中图分类号：
作者姓名：
郑洪浩;郝一诺;于洪涛;李邵梅;吴翼腾
作者机构：
信息工程大学,河南郑州 450001
文献出处：
引用格式：
[1]郑洪浩;郝一诺;于洪涛;李邵梅;吴翼腾-.基于改进Transformer的社交媒体谣言检测)[J].网络与信息安全学报,2022(04):168-174
A类：
B类：
Transformer,社交媒体谣言检测,益广,彼此之间,取分,表达交流,交流观,沃土,眩目,用户规模,各种各样,虚假信息,网民,动摇,检测模型,位置信息,有效提取,可学,相对位置编码,不同位置,词语,射到,特征空间,Twitter15,Twitter16,Weibo,进有,检测效果
AB值：
0.267123
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。
