Rumor Detection with Hierarchical Social Attention Network,2018,CIKM

主要内容

一个事件被分为几个包含多个帖子的子事件,每个帖子被进一步分割为几个单词,实现了将事件进行结构化表示。将结构化的事件用双向LSTM进行学习,引入注意力机制。


实验模型
  • 对文本结构进行分层:将事件中的帖子分成不同的时间间隔,每个时间间隔可认为是一个子事件;子事件由多条帖子构成;每条帖子由多个词语构成
  • 提取了22个社会特征

模型结构(如下图)
  • 单层LSTM只能学习到前边的上下文,双向LSTM可以学习前后的上下文
  • 词级部分:双向LSTM+注意层
  • 帖子部分:双向LSTM+社会特征注意层
  • 子事件部分:双向LSTM+社会特征注意层
    在这里插入图片描述

实验部分
数据集

Majing的公开数据集

实验结果

在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值