基于ERNIE-BiLSTM-DPCNN的微博长文本谣言检测

作     者：李东 王福威 商月阳 张云飞 檀文彬 LI Dong;WANG Fuwei;SHANG Yueyang;ZHANG Yunfei;TAN Wenbin

作者机构：辽宁石油化工大学信息与控制工程学院辽宁抚顺113000 

出 版 物：《河南科学》 (Henan Science)

年 卷 期：2024年第42卷第4期

页      面：469-475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(61702247) 

主　　题：ERNIE-LSTM-DPCNN 微博谣言检测 词嵌入 深度学习 

摘      要：为了实现对于微博长文本谣言的检测,使用ERNIE模型对微博长文本数据使用词嵌入技术实现对文本的向量化,将这些词向量作为BiLSTM-DPCNN模型的输入,利用BiLSTM-DPCNN模型的特性,捕捉句子中的上下文信息和长期依赖关系,最终高效地提取特征并进行分类.数据集通过五折交叉验证方法划分,通过设置多组对比实验,实验结果显示:ERNIE-BiLSTM-DPCNN模型的准确率达到98.52%,高于在同一数据集下的其他同组实验,证明该模型对于微博长文本谣言检测具有较好的效果.