突发公共卫生事件背景下融合多粒度信息的虚假新闻检测研究.pdfVIP

２０２３年６月 情报探索 第６期（总３０８期） Ｊｕｎ． ２０２３ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｓｅａｒｃｈ Ｎｏ． ６（Ｓｅｒｉａｌ Ｎｏ． ３０８） 突发公共卫生事件背景下 融合多粒度信息的虚假新闻检测研究 陈　 锟　 潘梦雅 （南京大学信息管理学院　 江苏南京　 ２１００２３） 摘　 要：［目的／ 意义］解决现有突发公共卫生事件中虚假新闻检测存在的检测时效性弱、文本语义特征提取不全面问题。 ［方法／ 过程］从多粒度视角出发，通过预训练语言模型ＢＥＲＴ抽取句子向量特征和字符向量特征，引入腾讯ＡＩ Ｌａｂ开源词向量 获取词语向量特征，再通过特征融合技术构建起富含多粒度信息的文本特征表示模型，最后利用卷积神经网络实现对融合特征 － 的识别分类，以此构建起融合多粒度信息的虚假新闻检测模型ＭＧ ＣＮＮ。 ［结果／ 结论］本文提出模型的准确率、查全率和召回 率分别为９７．８２９％、９７．５９２％和９６．９８６％，其中Ｆ１值达到９７．２８３％，较基线模型最大提升７．３０５％，较次优模型提升０．７７４％。 融 － 合多粒度信息特征的ＭＧ ＣＮＮ模型能够高效精准地检测出突发公共卫生事件中的虚假新闻。 关键词：突发公共卫生事件；虚假新闻检测；多粒度信息；特征融合 － 中图分类号：Ｇ２１０．７　 　 　 　 文献标识码：Ａ　 　 　 　 ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１００５ ８０９５．２０２３．０６．００５ － Ｒｅｓｅａｒｃｈ ｏｎ Ｆａｋｅ Ｎｅｗｓ Ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ ｇｒａｎｕｌａｒｉｔｙ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ ｉｎ ｔｈｅ Ｂａｃｋｇｒｏｕｎｄ ｏｆ Ｐｕｂｌｉｃ Ｈｅａｌｔｈ Ｅｍｅｒｇｅｎｃｉｅｓ Ｃｈｅｎ Ｋｕｎ　 Ｐａｎ Ｍｅｎｇｙａ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ＭａｎａｇｅｍｅｎｔＮａｎｊｉｎｇ ＵｎｉｖｅｒｓｉｔｙＮａｎｊｉｎｇＪｉａｎｇｓｕ ２１００２３） Ａｂｓｔｒａｃｔ：［Ｐｕｒｐｏｓｅ／ ｓｉｇｎｉｆｉｃａｎｃｅ］Ｔｈｅ ｐａｐｅｒ ｉｓ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ｗｅａｋ ｄｅｔｅｃｔｉｏｎ ｔｉｍｅｌｉｎｅｓｓ ａｎｄ ｉｎｃｏｍｐｌｅｔｅ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｔｅｘｔ ｓｅｍａｎｔｉｃｆｅａｔｕｒｅｓｉｎｔｈｅｅｘｉｓｔｉｎｇｆａｋｅｎｅｗｓｄｅｔｅｃｔｉｏｎｉｎｐｕｂｌｉｃｈｅａｌｔｈｅｍｅｒｇｅｎｃｉｅｓ． ［Ｍｅｔｈｏｄ／ ｐｒｏｃｅｓｓ］Ｆｒｏｍｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｍｕｌｔｉ － ｇｒａｎｕｌａｒｉｔｙｔｈｉｓ ｐａｐｅｒ ｅｘｔｒａｃｔｓ ｓｅｎｔｅｎｃｅ ｖｅｃｔｏｒ ｆｅａｔｕｒｅｓ ａｎｄ ｃｈａｒａｃｔｅｒ ｖｅｃｔｏｒ ｆｅａｔｕｒｅｓ ｔｈｒｏｕｇｈ ｔｈｅ ｐｒｅ ｔｒａｉｎｉｎｇ ｌａｎｇｕａｇｅ ｍｏｄｅｌ ＢＥＲＴｉｎｔｒｏｄｕｃｅｓＴｅｎｃｅｎｔ ＡＩ Ｌａｂ ｏｐｅｎ ｓｏｕｒｃｅｗｏｒｄ ｖｅｃｔｏｒ ｔｏ ｏｂｔａｉｎ ｗｏｒｄ ｖｅｃｔｏｒ ｆｅａｔｕｒｅｓｂｕｉｌｄｓ ａ ｔｅｘｔ ｆｅａｔｕｒｅ ｒｅｐｒｅｓｅｎｔａ