论文部分内容阅读
人工检测谣言通常需要耗费大量的人力物力，并且会有很长的检测延迟。目前现存的谣言检测模型一般根据谣言的内容、用户属性、传播方式人工地构造特征，而人工构建特征存在考虑片面、浪费人力等现象。为了解决这个问题，提出了基于卷积神经网络（CNN）的谣言检测模型。将微博中的谣言事件向量化，通过卷积神经网络隐含层的学习训练来挖掘表示文本深层的特征，避免了特征构建的问题，并能发现那些不容易被人发现的特征，从而产生更好的效果。实验结果表明。所提方法能够准确识别谣言事件，在准确率、精确率与F1值指标上优于支持向量机（SVM）与