融合TextCNN与TextRNN模型的谣言识别方法

作者：耿唯佳; 宋玉蓉; 周伟伟

来源：微电子学与计算机, 2021, 1-8.

• 社交网络
• 谣言识别
• BERT模型
• 文本卷积神经网络
• 文本循环神经网络

传统的谣言识别方法耗费人力物力并且准确率较低。为了有效识别社交网络中的谣言，提出一种基于融合模型的谣言识别方法。该方法首先通过BERT预训练模型构建文本句向量；其次构建TextCNN模型挖掘文本的语义特征，构建TextRNN模型用于挖掘文本的时序特征；最后，对两种模型进行加权融合，实现对谣言的识别。除此之外，还对原始主流模型进行了改进，一是借鉴Inception模型的思想来增加TextCNN模型的深度，二是将注意力机制注入TextRNN模型中，增加其可解释性和泛化能力。实验结果表明，相较于当前主流的谣言识别方法，该方法准确率可达到97.12%并且F1值可达到97.14%。

• 单位
  南京邮电大学; 山东工业职业学院; 自动化学院