期刊专题

10.12178/1001-0548.2021219

融合元路径学习和胶囊网络的社交媒体谣言检测方法

引用
以源推特文本为研究对象,深度挖掘推特正文内容的语义信息,并强调谣言在具有异质性的社交网络传播过程中存在的结构特征,以达到提升谣言检测效果的目的.采取基于One-Hot Encoding的词嵌入方法,结合Multi-head attention机制实现推特正文内容初级语义特征的提取,并进一步基于胶囊网络(CapsNet)构建内容胶囊(content-capsule)模块实现对正文内容深度语义特征的提取,结合图卷积胶囊(GCN-Capsule)模块实现谣言在社交网络中传播结构特征的提取,将两种胶囊向量采用一种动态路由机制进行融合,进一步丰富输入特征,之后输出源推特的分类结果,进而实现源推特的谣言检测.实验结果显示,该模型对谣言识别的正确率达93.6%.

胶囊网络、数据挖掘、元路径学习、谣言检测

51

TP181(自动化基础理论)

国家自然科学基金;国家自然科学基金;国家自然科学基金;四川省区域创新合作项目;四川省科技计划重点研发项目;四川省科技计划重点研发项目;四川省科技计划重点研发项目;四川省科技计划重点研发项目;博士后基金;广东省国家重点实验室项目;网络与数据安全四川省重点实验室开放课题

2022-07-19(万方平台首次上网日期,不代表论文的发表时间)

共7页

608-614

相关文献
评论
暂无封面信息
查看本期封面目录

电子科技大学学报

1001-0548

51-1207/T

51

2022,51(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn