基于带衰减因子的多损失分层 BiLSTM 的 Twitter 谣言检测
计算与语言
2020-12-15 v2
摘要
Twitter 等社交媒体平台已成为未经证实信息或谣言的温床。这些谣言可威胁人们健康、危害经济并影响国家稳定。许多研究者已开发模型，利用传统机器学习或原始深度学习模型对谣言进行分类。然而，既往谣言检测研究精度较低且耗时。受分层模型与多任务学习启发，本文提出一种带衰减因子的多损失分层 BiLSTM 模型。该模型分为帖子级与事件级两个 BiLSTM 模块。借助此分层结构，模型能从有限文本量中提取深层信息。每个模块均有一个损失函数，有助于学习双向特征并缩短训练时间。在帖子级加入衰减因子以提高准确率。在两个谣言数据集上的结果表明，我们的模型优于当前最优的机器学习与原始深度学习模型。
引用
@article{arxiv.2011.00259,
title = {Rumor Detection on Twitter Using Multiloss Hierarchical BiLSTM with an Attenuation Factor},
author = {Yudianto Sujana and Jiawen Li and Hung-Yu Kao},
journal= {arXiv preprint arXiv:2011.00259},
year = {2020}
}