原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
总第424期计算机与数字工程Vol.53No.2
ComputerDigitalEngineering
2025年第2期计算机与数字工程437
2025年第2期
融合人工特征和自注意力的RCNN模型的
机器写作判别方法∗
11，2
易黎鲁彦禹
（1.武汉邮电科学研究院武汉430074）（2.南京烽火天地通信科技有限公司南京210019）
摘要随着互联网与深度学习技术的快速发展，利用人工智能技术撰写新闻已经不再是新鲜事，读者甚至很难判别
文章究竟是出自于机器还是人类。与此同时，网络上利用人工智能技术编写假新闻与传播无用信息的网络乱象也层出不
穷，急需通过有效方法来对机器写作进行甄别。针对以上问题，采用了基于人工特征与自注意力的循环卷积模型（Recur⁃
rentConvolutionalmodelbasedonArtificialFeaturesandSelf-Attention，RCAFSA）的方法来对机器写作内容进行判别，该模型
基于改进的循环卷积神经网络（RecurrentConvolutionalNeuralNetworks，RCNN）模型并融入SelfAttention自注意力机制与人
工特征，最后通过A-Softmax层输出结果。该模型在进行机器写作判别任务中与传统机器学习算法、卷积神经网络和循环神
经网络相比，在精确率、召回率和F1值均有一定的提升。
关键词机器写作判别；循环卷积神经网络；人工特征融合；自注意力
中图分类号TP391.1DOI：10.3969/j.issn.1672-9722.2025.02.024
AMachineWritingDiscriminationMethodBasedonRCNNModel
withArtificialFeaturesandSelf-attention
YILiLUYanyu11，2
（1.WuhanResearchInstituteofPostsandTelecommunicationsCo.，Ltd.，Wuhan430074）
（2.NanjingFenghuoTiandiCommunicationTechnologyCo.，Ltd.，Nanjing210019）
AbstractWiththerapiddevelopmentofInternetanddeeplearningtechnology，itseemsthatusingAItechtowritenewsis
common.Readerscannoteventellwhetherthearticlewaswrittenbyamachineorahuman.Meanwhile，thechaosofusingAItech
towritefakenewsandspreaduselessinformationontheInternethasemerged，andthereisanurgentneedforeffectivewaystoiden⁃
tifytheauthorshipofarticles.Tosolvethisproblem，therecurrentconvolutionalmodelbasedonartificialfeaturesandself-attention
（RCFASA）isproposed.Thismodelisbasedontheimprovedrecurrentconvolutionalneuralnetworks（RCNN）modelanditincorpo⁃
ratesself-attentionmechanismandartificialfeatures.Intheend，resultswi
文档评论（0）