文献类型：期刊文章

作　　者：刘政[1,2] 卫志华[1,2] 张韧弦[1,2]

机构地区：[1]同济大学计算机科学与技术系,上海201804 [2]嵌入式系统与服务计算教育部重点实验室(同济大学),上海201804

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61573259;61673301;61573255;61673299);上海市中医药三年行动计划重点项目(ZY3-CCCX-3-6002);上海自然科学基金资助项目(15ZR1443800)~~

年　　份：2017

卷　　号：37

期　　号：11

起止页码：3053-3056

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：人工检测谣言通常需要耗费大量的人力物力,并且会有很长的检测延迟。目前现存的谣言检测模型一般根据谣言的内容、用户属性、传播方式人工地构造特征,而人工构建特征存在考虑片面、浪费人力等现象。为了解决这个问题,提出了基于卷积神经网络(CNN)的谣言检测模型。将微博中的谣言事件向量化,通过卷积神经网络隐含层的学习训练来挖掘表示文本深层的特征,避免了特征构建的问题,并能发现那些不容易被人发现的特征,从而产生更好的效果。实验结果表明,所提方法能够准确识别谣言事件,在准确率、精确率与F1值指标上优于支持向量机(SVM)与循环神经网络(RNN)等对比算法。

关 键 词：微博  谣言检测  谣言事件  卷积神经网络

分 类 号：TP391.41]