基于预训练语言模型的早期微博谣言检测

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。

基于情感分析和Transformer模型的微博谣言检测

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%。