典型文献
基于ACON?Transformer的谣言检测研究
文献摘要：
为解决当前网络平台辟谣工作时效性差、准确率低并且严重依赖人工筛查等问题,提出一种基于自适应激活函数和全自注意力网络特征提取器联合多通道卷积神经网络的自动谣言检测模型.首先爬取最新平台信息,将数据制作为数据集,然后对用户信息进行统计分析,选取非谣言用户和谣言用户差异较大的用户信息,将其作为用户特征,利用卷积神经网络提取用户特征,并将自适应激活函数引入全自注意力网络,大幅度减小了参数运算量并且提升了模型鲁棒性.实验表明,该模型准确率高达93.67％,比当前模型提升了3.45％,且能对10分钟内发布的消息进行检测,具有较高的时效性,可以适用于当前日常生活中对谣言的识别.
文献关键词：
谣言检测;ACON-Transformer;多通道卷积神经网络;词向量;特征提取;消融实验
中图分类号：
作者姓名：
孟凡森;魏霞;黄德启;白云瑞
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830047
文献出处：
引用格式：
[1]孟凡森;魏霞;黄德启;白云瑞-.基于ACON?Transformer的谣言检测研究)[J].现代电子技术,2022(21):67-76
A类：
B类：
ACON,Transformer,谣言检测,辟谣,自适应激活函数,自注意力网络,网络特征,多通道卷积神经网络,检测模型,爬取,新平台,用户信息,用户特征,取用,运算量,模型鲁棒性,模型准确率,前日,词向量,消融实验
AB值：
0.258784
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。
