科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着以微博为代表的社交媒体越来越流行，谣言信息借助社交媒体迅速传播，更加容易造成严重的后果，自动谣言检测问题受到了国内外学术界、产业界的广泛关注。目前，越来越多的用户使用图片来发布微博，而不仅仅是文本，微博通常由文本、图像和社会语境组成。因此，文中提出了一种基于深度神经网络，针对配文文本内容、图像以及用户属性信息的多模态网络谣言检测方法DCNN。该方法由多模态特征提取器和谣言检测器组成，多模态特征提取器分为3部分，即基于TextCNN的文本特征提取器、基于VGG-19的图片特征提取器和基于DeepFM算法的用户社会特征提取器，分别用于学习微博不同模态上的特征表示，以形成重新参数化的特征，将该融合后的多模态特征作为谣言检测器的输入进行分类检测。在微博数据集上对该算法进行了大量实验，实验结果表明DCNN算法将识别准确率从78.1%提高到了80.3%，验证了DCNN算法和其中对社会特征建立特征交互方法的可行性与有效性。
- 单位
