基于多任务学习的微博谣言检测方法

摘要：

微博谣言的广泛传播给当今社会造成了日益严峻的负面影响.基于深度神经网络的方法存在缺少大量带标签的数据.研究发现,谣言经常伴随负面情感,而非谣言则伴随正面情感,考虑到谣言与非谣言之间表现出的相反情感倾向性,提出一种将谣言检测和情感分析这两个高度相关的任务结合起来学习的多任务学习方法,为了尽可能多地挖掘不同任务之间的关联,全面分析谣言检测任务的特征,设计了一个由BERT和BiGRU联合的多任务学习框架(BERT-BiGRU-MTL,BBiGM).利用权值共享的方法对两个任务进行联合训练,同时提取出任务之间的共同特征和针对谣言检测任务的特定特征,利用情感分析任务辅助谣言检测.研究结果表明,该方法在准确率、精确率、F1值评测指标上优于采用单任务学习的方法.

关键词：多任务学习;谣言检测;情感分析;微博

所属期刊栏目：57

分类号：TP389.1(计算技术、计算机技术)

资助基金：新疆师范大学重点实验室项目;国家自然科学基金委NSFC-新疆联合基金重点支持项目;2020年新疆维吾尔自治区研究生教育改革创新计划项目

在线出版日期：2021-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：192-197