基于深度迁移网络的Twitter谣言检测研究

摘要：

[目的]解决网络谣言分领域检测时某些领域标注数据不足的问题,帮助在无标注数据的领域构建谣言检测模型.[方法]提出一种深度迁移网络,以Multi-BiLSTM网络为基础,加入MMD统计量计算的领域分布差异,训练过程中同时学习源领域的标签损失与领域间的分布差异,完成标签信息在领域间的有效迁移.[结果]相较于未分领域的谣言检测方法和分领域但不使用迁移学习的谣言检测方法,本文方法在F1指标上分别提升10.3％与8.5％.[局限]在数据分布差异大的领域迁移效果受到限制,未涉及多个领域的谣言检测.[结论]本文方法可以有效地将迁移学习技术应用在分领域谣言检测场景下,为网络谣言识别提供新思路.

关键词：谣言检测、深度迁移网络、多层双向长短时记忆网络、领域适配、推特

所属期刊栏目：3

分类号：TP393(计算技术、计算机技术)

资助基金：国家社会科学基金项目“基于文本挖掘的网络谣言预判研究”项目14BXW033的研究成果之一

在线出版日期：2019-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：47-55