期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于双分支网络联合训练的虚假新闻检测
1
作者 郭铃霓 黄舰 +2 位作者 吴兴财 杨振国 刘文印 《计算机工程与应用》 CSCD 北大核心 2022年第15期153-161,共9页
虚假新闻在社交媒体上的广泛传播,给社会带来了不同程度的负面影响。针对虚假新闻早期检测任务中,社交上下文信息不充分的问题,提出一种基于双分支网络联合训练的虚假新闻检测模型。该模型由最大池化网络分支(max pooling branch,MPB)... 虚假新闻在社交媒体上的广泛传播,给社会带来了不同程度的负面影响。针对虚假新闻早期检测任务中,社交上下文信息不充分的问题,提出一种基于双分支网络联合训练的虚假新闻检测模型。该模型由最大池化网络分支(max pooling branch,MPB)和广义均值池化网络分支(generalized mean pooling branch,GPB)组成。MPB采用卷积神经网络对新闻文章进行文本特征提取,GPB引入了可训练的池化层,学习新闻文章潜在的语义特征。同时,在每个分支网络中,对新闻标题和正文之间进行语义关联性度量。最终,对两个分支网络联合训练后的结果进行决策融合,判断新闻的真实性。实验结果表明,提出的模型在准确率、召回率、F1值评测指标上均优于基线模型,F1值达到94.1%,比最优的基线模型提升了6.4个百分点。 展开更多
关键词 虚假新闻早期检测 联合训练 双分支网络 语义关联性度量
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部