基于ERNIE-BiLSTM-DPCNN的微博长文本谣言检测 |
| |
引用本文: | 李东,王福威,商月阳,张云飞,檀文彬.基于ERNIE-BiLSTM-DPCNN的微博长文本谣言检测[J].河南科学,2024(4):469-475. |
| |
作者姓名: | 李东 王福威 商月阳 张云飞 檀文彬 |
| |
作者单位: | 辽宁石油化工大学信息与控制工程学院 |
| |
基金项目: | 国家自然科学基金(61702247); |
| |
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.
|
关 键 词: | ERNIE-LSTM-DPCNN 微博谣言检测 词嵌入 深度学习 |
|
|