山东大学学报(工学版)

作者：李力钊, 蔡国永, 潘角

单位：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

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,

基金：桂林市科学研究与技术开发计划项目(20170113-6)

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。

来源：2019年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2019年第2期