典型文献
基于双向树多模态融合谣言检测方法的研究
文献摘要：
对于谣言给社会造成的恐慌,现有谣言检测方法不能有效提高检测精确性.因此,提出一种基于双向树多模态融合谣言检测方法,首先使用预先训练数据向量化,构建端到端的神经网络,以双向树实现特征提取;然后将它输入到全连接层并进行多模态特征拼接,最后采用交叉熵损失函数进行训练.对比传统模型,实验结果表明,该方法能有效提取特征并提高谣言检测的精确性.
文献关键词：
深度学习;双向树;多模态融合;谣言检测
中图分类号：
作者姓名：
马含;李进明;王竹君;关威
作者机构：
菏泽学院计算机学院,山东 菏泽 274105;山西财经大学信息学院,山西 太原 030006
文献出处：
引用格式：
[1]马含;李进明;王竹君;关威-.基于双向树多模态融合谣言检测方法的研究)[J].菏泽学院学报,2022(02):21-25
A类：
双向树
B类：
多模态融合,谣言检测,恐慌,高检,精确性,训练数据,向量化,端到端,全连接层,多模态特征,特征拼接,交叉熵损失函数,传统模型,有效提取,提取特征
AB值：
0.243144
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
