计算机工程与科学

作者：王繁, 郭军军, 余正涛,

单位：1.昆明理工大学信息工程与自动化学院，云南 昆明 650500；2.昆明理工大学云南省人工智能重点实验室，云南 昆明 650500

关键词：谣言检测,联合学习,用户评论,评论有效性,

基金：国家重点研发计划（2018YFC0830101,2018YFC0830100);国家自然科学基金（61866020,61972186,61762056,61472168）;云南省科技厅面上项目(2019FB082)

目前，针对微博领域的谣言检测方法主要基于微博正文，同时辅以用户评论特征、传播特征等信息进行判定。然而已有方法没有考虑用户评论质量会直接影响谣言检测的性能，质量低的评论甚至会引入无用甚至负面的特征，进而对谣言检测的性能带来更大的影响。针对该问题，基于用户评论和谣言检测的关联性，首次提出一种考虑评论有效性，并基于多任务联合学习的谣言检测方法。首先将谣言检测作为主任务，用户评论相关性检测为辅助任务；然后采用门控机制和注意力机制过滤和选择有效的用户评论特征;最后基于自主构建的3万条疫情微博谣言数据集进行实验。实验结果表明，对用户评论进行筛选不仅可以提升谣言检测性能，还能对用户评论质量进行判定。

来源：2022年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第9期