期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于预训练语言模型的早期微博谣言检测
被引量:
1
1
作者
冯茹嘉
张海军
潘伟民
《计算机与数字工程》
2023年第5期1075-1080,1184,共7页
该文基于微博数据以实现早期谣言检测为目的,挖掘微博内容的深层语义信息。为提高谣言检测效率,该文使用预训练语言模型对部分参数进行了预训练,提高了模型的训练速度,同时解决了一词多义情况的词向量表示问题,优化了深层语义信息的表...
该文基于微博数据以实现早期谣言检测为目的,挖掘微博内容的深层语义信息。为提高谣言检测效率,该文使用预训练语言模型对部分参数进行了预训练,提高了模型的训练速度,同时解决了一词多义情况的词向量表示问题,优化了深层语义信息的表达能力。结合BiGRU-MHA模型学习微博内容的深层语义信息,最后输出微博事件的分类结果。实验结果表明,XLNet+BiGRU-MHA模型的F1值达到95.5%,在任何时间阶段内均处于领先地位。
展开更多
关键词
谣言检测
预训练模型
深度学习
下载PDF
职称材料
基于情感分析和Transformer模型的微博谣言检测
被引量:
5
2
作者
冯茹嘉
张海军
潘伟民
《计算机与现代化》
2021年第10期1-7,共7页
针对微博文本以实现谣言检测为目标,深度挖掘微博正文内容的语义信息,并且着重强调用户在微博评论中体现的情感倾向性,提升谣言识别效果。为提高谣言检测的准确率,采取基于XLNet的词嵌入方法,使用Transformer的Encoder的模型提取微博正...
针对微博文本以实现谣言检测为目标,深度挖掘微博正文内容的语义信息,并且着重强调用户在微博评论中体现的情感倾向性,提升谣言识别效果。为提高谣言检测的准确率,采取基于XLNet的词嵌入方法,使用Transformer的Encoder的模型提取微博正文内容的语义特征,并结合BiLSTM+Attention网络实现微博评论的情感特征的提取,将2种特征向量进行拼接融合,进一步丰富神经网络的输入特征,之后输出微博事件的分类结果,进而实现微博谣言检测。实验结果显示,该模型对谣言识别的正确率达到94.8%。
展开更多
关键词
谣言检测
情感分析
XLNet
Transformer模型
深度学习
下载PDF
职称材料
题名
基于预训练语言模型的早期微博谣言检测
被引量:
1
1
作者
冯茹嘉
张海军
潘伟民
机构
新疆师范大学计算机科学技术学院
出处
《计算机与数字工程》
2023年第5期1075-1080,1184,共7页
基金
2019年度自治区创新环境(人才、基地)建设专项(人才专项计划--天山雪松计划)“面向高校课堂的多模态数据情感倾向性分析的关键技术研究”(编号:2019XS08)
国家自然科学基金-新疆联合基金重点项目“网络谣言检测与舆论引导算法研究”(编号:U1703261)资助。
文摘
该文基于微博数据以实现早期谣言检测为目的,挖掘微博内容的深层语义信息。为提高谣言检测效率,该文使用预训练语言模型对部分参数进行了预训练,提高了模型的训练速度,同时解决了一词多义情况的词向量表示问题,优化了深层语义信息的表达能力。结合BiGRU-MHA模型学习微博内容的深层语义信息,最后输出微博事件的分类结果。实验结果表明,XLNet+BiGRU-MHA模型的F1值达到95.5%,在任何时间阶段内均处于领先地位。
关键词
谣言检测
预训练模型
深度学习
Keywords
rumor detection
pretraining model
deep learning
分类号
O141.4 [理学—基础数学]
下载PDF
职称材料
题名
基于情感分析和Transformer模型的微博谣言检测
被引量:
5
2
作者
冯茹嘉
张海军
潘伟民
机构
新疆师范大学计算机科学技术学院
出处
《计算机与现代化》
2021年第10期1-7,共7页
基金
2019年度自治区创新环境(人才、基地)建设专项(人才专项计划——天山雪松计划)项目(2019XS08)
国家自然科学基金-新疆联合基金重点项目(U1703261)。
文摘
针对微博文本以实现谣言检测为目标,深度挖掘微博正文内容的语义信息,并且着重强调用户在微博评论中体现的情感倾向性,提升谣言识别效果。为提高谣言检测的准确率,采取基于XLNet的词嵌入方法,使用Transformer的Encoder的模型提取微博正文内容的语义特征,并结合BiLSTM+Attention网络实现微博评论的情感特征的提取,将2种特征向量进行拼接融合,进一步丰富神经网络的输入特征,之后输出微博事件的分类结果,进而实现微博谣言检测。实验结果显示,该模型对谣言识别的正确率达到94.8%。
关键词
谣言检测
情感分析
XLNet
Transformer模型
深度学习
Keywords
rumor detection
sentiment analysis
XLNet
Transformer model
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于预训练语言模型的早期微博谣言检测
冯茹嘉
张海军
潘伟民
《计算机与数字工程》
2023
1
下载PDF
职称材料
2
基于情感分析和Transformer模型的微博谣言检测
冯茹嘉
张海军
潘伟民
《计算机与现代化》
2021
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部