面向谣言检测的多粒度建模方法——基于MindSpore的RAGAT-Mind
计算与语言
2025-04-25 v1 计算机与社会
摘要
随着虚假信息在社交媒体平台的持续传播，有效的谣言检测已成为自然语言处理领域的迫切挑战。本文提出RAGAT-Mind，一个基于MindSpore深度学习框架的中文谣言检测多粒度建模方法。该模型集成了TextCNN用于局部语义提取、双向GRU用于序列上下文学习、Multi-Head Self-Attention用于全局依赖聚焦，以及双向图卷积网络 (BiGCN) 用于词共现图的结构化表示。在Weibo1-谣言数据集上的实验结果表明，RAGAT-Mind实现了优异的分类性能，准确率达到99.2%，宏平均F1分数为0.9919。结果表明，将层次化语言特征与图基语义结构相结合的有效性得到验证。此外，该模型展现出强大的泛化能力和可解释性，凸显其在实际应用中的实用价值。
引用
@article{arxiv.2504.17574,
title = {RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore},
author = {Zhenkai Qin and Guifang Yang and Dongze Wu},
journal= {arXiv preprint arXiv:2504.17574},
year = {2025}
}