针对利用评论与转发信息进行谣言检测存在滞后性,在仅使用谣言文本与谣言类别标识的情况下,提出一种基于情感特征和谣言种类的谣言检测模型。上述模型针对具有谣言种类标识的数据集,利用Bi-LSTM(Bi-directional Long Short-Term Memory...针对利用评论与转发信息进行谣言检测存在滞后性,在仅使用谣言文本与谣言类别标识的情况下,提出一种基于情感特征和谣言种类的谣言检测模型。上述模型针对具有谣言种类标识的数据集,利用Bi-LSTM(Bi-directional Long Short-Term Memory)提取上下文特征,通过自注意力针对谣言种类进行权重调整,同时通过情感字典提取谣言情感特征作为增强特征,在具有谣言种类标识的数据中能够达到较好的谣言分类结果,实验结果表明,与RNN相比,在准确率上提高了6.8%,在F1上提高了6.9%。展开更多
文摘针对利用评论与转发信息进行谣言检测存在滞后性,在仅使用谣言文本与谣言类别标识的情况下,提出一种基于情感特征和谣言种类的谣言检测模型。上述模型针对具有谣言种类标识的数据集,利用Bi-LSTM(Bi-directional Long Short-Term Memory)提取上下文特征,通过自注意力针对谣言种类进行权重调整,同时通过情感字典提取谣言情感特征作为增强特征,在具有谣言种类标识的数据中能够达到较好的谣言分类结果,实验结果表明,与RNN相比,在准确率上提高了6.8%,在F1上提高了6.9%。