期刊专题

10.3778/j.issn.1002-8331.2101-0001

基于双分支网络联合训练的虚假新闻检测

引用
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.

虚假新闻早期检测、联合训练、双分支网络、语义关联性度量

58

TP389.1(计算技术、计算机技术)

国家自然科学基金;广东省基础与应用基础研究基金;广东省重点领域研发计划项目;广东省重点科技计划项目

2022-08-17(万方平台首次上网日期,不代表论文的发表时间)

共9页

153-161

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

58

2022,58(15)

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