基于卷积神经网络的谣言检测

来源：计算机应用杂志2017年第11期北京时间：

作者：刘政, 卫志华, 张韧弦

单位：1. 同济大学 计算机科学与技术系, 上海 201804;2. 嵌入式系统与服务计算教育部重点实验室(同济大学), 上海 201804

摘要：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）与循环神经网络（RNN）等对比算法。

关键词：微博,谣言检测,谣言事件,卷积神经网络

基金资助：国家自然科学基金资助项目（61573259，61673301，61573255，61673299）；上海市中医药三年行动计划重点项目（ZY3-CCCX-3-6002）；上海自然科学基金资助项目（15ZR1443800）。