典型文献
基于混合神经网络的突发公共卫生事件微博谣言识别研究
文献摘要：
[研究目的]提高突发公共卫生事件中微博谣言识别效果,分析微博特征对谣言识别的影响,为公众识别谣言、政府及相关部门干预治理提供参考.[研究方法]在用户基本特征和内容特征、传播特征的基础上引入用户历史特征,构建基于混合神经网络的多特征融合谣言识别模型,该模型采用BiLSTM+CNN抽取代表性深度语义特征,与其他特征融合后,使用DNN网络进行谣言识别.[研究结论]实验结果表明:该模型的准确率、查准率、查全率、F1值均高于94％,准确率、查全率、F1值优于其他谣言识别模型;语义特征是谣言识别的关键特征,在此基础上融合单一特征能够大幅提高谣言识别效果,提高程度由高到低,依次为统计特征、传播特征、用户基本特征、用户历史特征和情感特征.递进融合特征越多,模型平均性能、泛化能力越强,谣言识别效果越好.
文献关键词：
公共卫生事件;微博谣言;谣言识别;多特征融合;混合神经网络
中图分类号：
作者姓名：
冯兰萍;董陈超;徐绪堪
作者机构：
河海大学商学院 常州 213022;常州工业大数据挖掘与知识管理重点实验室 常州 213022;东南大学 经济管理学院 南京 211189
文献出处：
引用格式：
[1]冯兰萍;董陈超;徐绪堪-.基于混合神经网络的突发公共卫生事件微博谣言识别研究)[J].情报杂志,2022(12):81-88
A类：
BiLSTM+CNN
B类：
混合神经网络,突发公共卫生事件,微博谣言,谣言识别,研究目的,内容特征,传播特征,历史特征,多特征融合,识别模型,语义特征,DNN,查准率,查全率,关键特征,高程度,统计特征,情感特征,递进融合,融合特征,模型平均,泛化能力
AB值：
0.2304
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。
