文献类型：期刊文章

作　　者：胡舜邦[1] 王琳[2] 刘伍颖[3,4]

HU Shunbang;WANG Lin;LIU Wuying(School of Information Science and Technology,Guangdong University of Foreign Studies,Guangzhou 510006,China;Xianda College of Economics and Humanities,Shanghai International Studies University,Shanghai 200083,China;Shandong Key Laboratory of Language Resources Development and Application,Ludong University,Yantai 264025,China;Center for Linguistics and Applied Linguistics,Guangdong University of Foreign Studies,Guangzhou 510420,China)

机构地区：[1]广东外语外贸大学信息科学与技术学院,广东广州510006 [2]上海外国语大学贤达经济人文学院,上海200083 [3]鲁东大学山东省语言资源开发与应用重点实验室,山东烟台264025 [4]广东外语外贸大学外国语言学及应用语言学研究中心,广东广州510420

出　　处：《郑州大学学报（理学版）》

基　　金：教育部人文社会科学研究规划基金项目(20YJAZH069);教育部人文社会科学研究青年基金项目(20YJC740062);山东省研究生教育教学改革研究项目(SDYJG21185);山东省本科教学改革研究重点项目(Z2021323);上海市哲学社会科学“十三五”规划课题(2019BYY028)。

年　　份：2025

卷　　号：57

期　　号：2

起止页码：31-36

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为了实现虚假新闻的早期检测,提出一种基于预训练表示和宽度学习的虚假新闻早期检测方法。首先,将新闻文本输入大规模预训练语言模型RoBERTa中,得到对应新闻文本的上下文语义表示。其次,将得到的新闻文本的上下文语义表示输入宽度学习的特征节点和增强节点中,利用宽度学习的特征节点和增强节点进一步提取新闻文本的线性和非线性特征并构造分类器,从而预测新闻的真实性。最后,在3个真实数据集上进行了对比实验,结果表明,所提方法可以在4 h内检测出虚假新闻,准确率超过80%,优于基线方法。

关 键 词：早期检测  虚假新闻 预训练表示  宽度学习  文本分类

分 类 号：TP391]