基于卷积神经网络的谣言检测

被引：109

作者：

刘政 ^{[1
,2
]}

卫志华 ^{[1
,2
]}

张韧弦 ^{[1
,2
]}

机构：

[1] 同济大学计算机科学与技术系

[2] 嵌入式系统与服务计算教育部重点实验室(同济大学)

来源：

计算机应用 | 2017年 / 37卷 / 11期

关键词：

微博; 谣言检测; 谣言事件; 卷积神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP393.092 [];

学科分类号：

140502 [人工智能];

摘要：

人工检测谣言通常需要耗费大量的人力物力,并且会有很长的检测延迟。目前现存的谣言检测模型一般根据谣言的内容、用户属性、传播方式人工地构造特征,而人工构建特征存在考虑片面、浪费人力等现象。为了解决这个问题,提出了基于卷积神经网络(CNN)的谣言检测模型。将微博中的谣言事件向量化,通过卷积神经网络隐含层的学习训练来挖掘表示文本深层的特征,避免了特征构建的问题,并能发现那些不容易被人发现的特征,从而产生更好的效果。实验结果表明,所提方法能够准确识别谣言事件,在准确率、精确率与F1值指标上优于支持向量机(SVM)与循环神经网络(RNN)等对比算法。

引用

页码：3053 / 3056+3100 +3100

页数：5