| 结合微博内外多粒度语义的 BiLSTM-CNN-ECA谣言检测模型 |
| |
| 引用本文： | 温廷新,高倩.结合微博内外多粒度语义的 BiLSTM-CNN-ECA谣言检测模型[J].情报探索,2023(5):78-84. |
| |
| 作者姓名： | 温廷新 高倩 |
| |
| 作者单位： | 辽宁工程技术大学工商管理学院 |
| |
| 基金项目： | 辽宁省社会科学规划基金项目“辽宁新型城镇化评价指标体系研究”(项目编号：L14BTJ004)成果之一； |
| |
| 摘 要： | 目的/意义]为了解决因微博文本多义性和复杂性导致的谣言检测中语义特征提取不全面的问题，提出了一种结合微博内外多粒度语义的BiLSTM-CNN-ECA模型。方法/过程]首先，对微博文本从字词句三个粒度级别建模，运用双向长短期记忆网络提取微博内部语义特征，生成事件字向量矩阵和事件词向量矩阵；然后，拼接事件句向量矩阵形成三维文本特征矩阵，输入多尺度卷积神经网络，并行提取微博之间的依赖关系特征；最后，引入高效通道注意力模块赋予通道权重，进行微博谣言检测。结果/结论]构建的三维文本特征矩阵有机结合了各粒度文本的语义特征贡献，包含更多、更全面的微博语义信息；ECA可有效捕获通道间重要信息，进一步提高了多尺度CNN模型对谣言检测的准确率。
|
| 关 键 词： | 谣言检测 多粒度语义 多尺度CNN ECA注意力机制 |
|
