融合多元用户特征和内容特征的微博谣言实时检测模型

作     者：黄学坚 王根生 罗远胜 闵潞 吴小芳 李志鹏 HUANG Xue-jian;WANG Gen-sheng;LUO Yuan-sheng;MIN Lu;WU Xiao-fang;LI Zhi-peng

作者机构：江西财经大学人文学院南昌330013 江西财经大学计算机实践教学中心南昌330013 江西财经大学国际经贸学院南昌330013 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2022年第43卷第12期

页      面：2518-2527页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(72061015,61562031)资助 江西省教育厅科技项目(GJJ200539)资助 

主　　题：微博谣言 实时检测 特征融合 深层特征 深度学习 

摘      要：针对目前基于单文本语义特征深度学习的微博谣言实时检测模型泛化能力不足的问题,提出一种融合多元用户特征和内容特征的实时检测模型.首先,在传统用户基本特征和内容统计特征的基础上,利用用户的历史行为数据,挖掘用户理性值和用户专业度两个深层次特征;然后,基于词向量和带有注意力机制的双向GRU神经网络构建文本语义特征学习模型;最后,采用分层特征级联和全连接的方式进行特征融合,把融合特征输入分类模型进行训练.实验结果表明,该模型的检测准确率达到了91.74%,相比其他只关注文本语义特征的深度学习实时检测模型具有更好的识别效果,相比于其他改进型的实时检测模型F1-Measure值也提高了2.19%.