科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】针对现有虚假新闻分类算法的不足，提出一种多视角证据融合的虚假新闻分类模型，用以解决传统单视角下虚假新闻分类的片面性证据和不准确性分类等问题。【方法】引入主观逻辑模型，以及不同视角下分类的不确定性测度，基于Dempster-Shafer证据理论，利用不同的权值融合多视角下的证据，得到总体的证据与分类的不确定性测度。【结果】基于两个公开数据集的实验结果表明，所提模型的准确性和F1值比传统虚假新闻分类模型均有较显著的提高。【局限】多视角证据融合之后存在一定的噪声，有时会影响实验结果的准确性。【结论】多视角证据融合途径可有效提高虚假新闻甄别的准确性和鲁棒性。
-
单位南京审计大学
