A C-GRU Neural Network for Rumors Detection(CCIS2018),Zhiyuan Zhou
主要内容
- 提出了结合CNN和GRU的C-GRU模型。首先对谣言事件进行矢量化表示(3.1),将CNN应用于文本,自动构建微博谣言的特征(3.1),继而利用GRU挖掘谣言事件中相关微博的时间信息(3.2)。
- CNN提取谣言深层特征的优势+RNN(GRU)处理序列信息的优势。
实验设置
- 数据集
直接使用了Ma的公开数据集,使用正则表达式匹配的方法进行了降噪(超链接、@) - 对比实验
- Ma的工作:分别实现了tanh-RNN(tanh-递归神经网络)、LSTM(长短期记忆)、GRU(门控递归单元)。
- CNN模型:通过学习和训练CNN的隐藏层来挖掘文本的隐藏特征。
- 本文模型
1. 卷积层+GRU层+softmax层
2. 预处理、去噪 —>分词 —> 使用Doc2Vec将微博转化为句子向量 —>超参数设置:激活