融合语义增强的社交媒体虚假信息检测方法研究

摘要：

[目的]通过构建自动化检测模型有效识别社交媒体中的虚假信息,探讨如何解决人工识别、单特征机器学习等现存方法难以兼顾海量数据处理的速度与准确性的问题.[方法]本文以新浪微博社交平台为研究对象,以单一文本特征BFID模型作为实验基准模型,提出两种融合语义增强的虚假信息检测方法.[结果]以单一文本特征BFID模型的结果为基线,本文提出的融合情感特征的BFID-SEN模型在虚假信息识别的部分准确率上提升约1.59个百分点;融合图片特征的BFID-IMG模型通过结合深度残差网络ResNet,在虚假信息识别的部分准确率上稳定提升约0.78个百分点.[局限]由于融合情感特征的语料数量、情感类别与多模态虚假信息数据集有限,模型训练不充分,因此语义增强的融合效果有限.[结论]本文提出的两种融合语义增强方法均能在一定程度上更好地识别虚假信息.

关键词：虚假信息、语义增强、多模态、新浪微博、情感分析

所属期刊栏目：7

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基本科研业务费专项资金资助项目

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：48-60