典型文献
基于预训练语言模型的健康谣言检测
文献摘要：
当前大多数谣言检测主要面向社交媒体数据,所处理文本序列较短,然而面向包含多个句子的段落或长序列文本篇章输入时,因不能提取有效特征进而影响模型识别效果.为获取谣言检测的有效信息,文章提出基于I-BERT-BiLSTM(Improved-BERT-BiLSTM)的健康类谣言检测方法,通过提取文档级长序列文本的摘要,并输入到以多层注意力机制为框架的深层神经网络进行特征提取,最后输入到BiLSTM进行谣言分类.实验结果表明:文章提出的I-BERT-BiLSTM模型在自建健康类谣言数据集与公开数据集上达到了 97.75％和91.15％的准确率.
文献关键词：
谣言检测;预训练语言模型;摘要提取;I-BERT-BiLSTM
中图分类号：
作者姓名：
许诺;赵薇;尚柯源;陈浩宇
作者机构：
中国传媒大学,北京100024
文献出处：
引用格式：
[1]许诺;赵薇;尚柯源;陈浩宇-.基于预训练语言模型的健康谣言检测)[J].系统科学与数学,2022(10):2582-2589
A类：
B类：
预训练语言模型,健康谣言,谣言检测,社交媒体数据,句子,段落,本篇,有效特征,影响模型,模型识别,有效信息,BERT,BiLSTM,Improved,文档级,级长,多层注意力,注意力机制,深层神经网络,公开数据集,上达,摘要提取
AB值：
0.359911
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。
