一种用于谣言检测的C-GRU神经网络

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

1. 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、@）
2. 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