基于贴文级特征融合的社交网络谣言检测方法

现有的谣言检测方法,对贴文语义和贴文发布者信息、贴文传播状态等社交网络属性之间的关联利用不足,导致检测性能受限。针对这一不足,提出一种基于贴文级特征融合的谣言检测模型PF-HAN。模型通过带注意力机制的双向长短期记忆网络(Bi-LSTM)生成各条贴文的语义表示,并与对应贴文的社交网络特征进行拼接以保留两者的对应关系。融合得到的贴文综合表示以序列形式输入分层注意力网络提取时序特征,生成最终的事件表示用于谣言判别。实验结果表明,模型在新浪微博和Twitter数据集中进行谣言检测任务时F1值达到0.956和0.740,且能以高准确率完成谣言早期检测任务。