文献类型：期刊文章

作　　者：李力钊[1] 蔡国永[1] 潘角[2]

LI Lizhao;CAI Guoyong;PAN Jiao(School of Computer Science and Information Security, Guilin University of Electronic Technology, Guilin 541004, Guangxi, China;Guilin Kaige Information Technology Co., Ltd., Guilin 541004, Guangxi, China)

机构地区：[1]桂林电子科技大学计算机与信息安全学院,广西桂林541004 [2]桂林凯歌信息科技有限公司,广西桂林541004

出　　处：《山东大学学报（工学版）》

基　　金：桂林市科学研究与技术开发计划项目(20170113-6)

年　　份：2019

卷　　号：49

期　　号：2

起止页码：102-106

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：提出基于卷积-门控循环单元(convolution-gated recurrent unit, C-GRU)的微博谣言事件检测模型。结合卷积神经网络(convolutional neural networks, CNN)和门控循环单元(gated recurrent unit, GRU)的优点,将微博事件博文句向量化,通过CNN中的卷积层学习微博窗口的特征表示,将微博窗口特征按时间顺序拼接成窗口特征序列,将窗口特征序列输入GRU中学习序列特征表示进行谣言事件检测。在真实数据集上的试验结果表明,相比基于传统机器学习方法、CNN和GRU的谣言检测模型,该模型有更好的谣言识别能力。

关 键 词：谣言事件检测  深度学习  卷积-门控循环单元  窗口特征序列  

分 类 号：TP391.1]