基于深层双向转换编码器的谣言检测方法

目录

1 绪论

1.1本文研究背景及意义

1.1.1谣言定义

1.1.2谣言危害

1.1.3谣言检测研究的意义

1.2国内外研究现状

1.3本文的研究内容和主要工作

1.3.1研究内容

1.3.2主要贡献和创新点

1.4论文组织结构

2 网络谣言检测相关研究

2.1基于传统机器学习的方法

2.1.1基于文本内容的方法

2.1.2基于社交（或社会情境）的方法

2.1.3基于特征融合的方法

2.2基于深度学习的方法

2.3本章小结

3 预训练语言模型

3.1自然语言处理

3.2语言模型

3.3迁移学习

3.4预训练思想

3.5 双向转换编码器的提出

3.6本章小结

4 基于深层双向的转换编码器的谣言检测

4.1谣言检测模型的整体架构

4.1.1问题描述

4.1.2 模型整体架构

4.2嵌入层

4.2.1词嵌入

4.2.2句子切分嵌入

4.2.3位置嵌入

4.3 双向转换编码器

4.3.1 转换器

4.3.2 注意力机制

4.3.3 转换器中的位置编码

4.3.4 编码器中的自注意力机制

4.3.5 残差连接

4.3.6 层的归一化

4.3.7 全连接前馈神经网络

4.4 分类器

4.5. 文本数据预处理

4.5.1 文本数据清洗

4.5.2 数据增强

4.5.3 分词处理

4.6本章小结

5 实验和结果分析

5.1 数据集

5.1.1 Twitter 数据集

5.1.2 FakeNewsNet 数据集

5.2实验设置

5.2.1实验性能指标

5.2.2 实验对比模型

5.3 实验结果分析

5.4本章小结

6.1论文总结

6.2 未来展望

参考文献

攻读硕士学位期间参加的科研项目及科研成果

致谢

声明