用户可信度-注意力机制-多任务学习（2019ACL）

最新推荐文章于 2024-04-29 11:29:52 发布
最新推荐文章于 2024-04-29 11:29:52 发布
阅读量459 收藏 1
点赞数
分类专栏： 谣言检测 文章标签： 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/heartxq/article/details/107938540
版权
Rumor Detection By Exploiting User Credibility Information, Attention and Multi-task Learning,Quanzhi Li,2019,ACL主要内容数据集：pheme提出一种新的谣言检测和立场分类任务的多任务学习方法。所提出的神经网络模型包含一个共享层和两个特定任务层。谣言检测层融入了用户可信度信息，使用注意力机制。模型结构多任务网络模型网络结构立场检测层输入：推特embeding（TE）+.
摘要由CSDN通过智能技术生成

Rumor Detection By Exploiting User Credibility Information, Attention and Multi-task Learning,Quanzhi Li,2019,ACL

主要内容
  • 数据集：pheme
  • 提出一种新的谣言检测和立场分类任务的多任务学习方法。
  • 所提出的神经网络模型包含一个共享层和两个特定任务层。
  • 谣言检测层融入了用户可信度信息，使用注意力机制。
模型结构
多任务网络模型

在这里插入图片描述

网络结构
  • 立场检测层
    输入：推特embeding（TE）+推特特征embeding（FE：内容长度、是否为原帖子）
    在每个时间步骤，隐藏状态hsi被送到完全连接的隐藏层，并且使用Softmax层来预测立场类型(S、D、Q、C)，也可作为谣言检测层的注意力输入。
  • 谣言验证层
  1. 输入：推特embeding（TE
最低0.47元/天 解锁文章
怀着对美好生活的向往而努力
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文研究-基于链接的微博用户可信度研究.pdf
07-22
首先根据每个微博用户的固有属性使用自评估模型计算出每个用户的初始可信度值，然后将用户的初始可信度值作为用户互评估模型的输入计算出每个用户互评估可信度得分，从而对用户的可信度进行比较排序。真实数据集上的...
GB T 37935-2019 可信计算规范 可信软件基.pdf
03-02
该标准规定了可信软件基的功能结构、工作流程、保障要求和交互接口规范，适用于可信软件基的设计、生产和测评。
多任务网络学习之注意力机制MTAN（二）
qq_22751305的博客
11-27 1864
来源：本人公众号 原文解读见《多任务网络学习之注意力机制MTAN（一）》。 若有读者对多任务不太了解的，可阅读综述《多任务网络框架和训练策略介绍》。 在代码中通过注释的形式解读。 mtan思想，以resnet为例，如上图所示，图中的u和p，分别对应代码中的b和t： 得到每一层layer的b_i和t_i，即resnet.layer_i的倒数2个特征图； 若为第一个layer，则没有merge，通过对b_i进行g和h操作，得到a_mask_i；若i大于1，则将b_i和a_i_1...
多任务网络学习之注意力机制MTAN（一）
qq_22751305的博客
11-26 1885
paper， code 参考文献：https://mp.weixin.qq.com/s/BWffVjnapdBgtxbXNwITsA Abstract 本文提出了一种新的多任务学习体系结构，允许学习特定任务的特征级注意力。提出了MTAN（Multi-Task Attention Netwrok）网络，由一个包含全局特征池化的共享网络和基于特定任务的soft-attention模块组成。这些模块从全局共享特征中学习特定任务的特征，同时允许特征在不同任务间共享。该体系结构可以端到端训练，可以建立在任意..
深度探索：机器学习中的多头注意力机制（Multi-Head Attention）原理及应用
最新发布
qq_51320133的博客
04-29 4837
多头注意力机制自提出以来，已经成为深度学习领域的一项革命性创新，特别是在自然语言处理领域，它推动了Transformer架构的兴起，彻底改变了这一领域的技术格局。其核心优势在于强大的序列信息处理能力、高效的并行计算以及对复杂依赖关系的精确捕捉，使得模型能够学习到更加细腻和丰富的特征表示。 展望未来，多头注意力机制的研究方向将更加多元： 理论探索：进一步研究多头注意力的内在机制，提升其可解释性，理解每个头的特异性和作用，为模型设计提供理论指导。 效率优化：随着模型规模的不断扩大，如何在保持性能的同时，降低
Facebook推出了用户可信度评分
中国软件网
08-30 521
据报道，Facebook开始对用户进行秘密可信度评分，以试图平息虚假新闻风波。据“华盛顿邮报”报道，此得分部分取决于用户在网站上正确标记和报告错误新闻的能力。Facebo...
【论文分享】ACL 2020 多模态相关任务分享
zenRRan的博客
08-26 1814
引言模态是人接受信息的特定方式，多模态数据即传递多种信息（例如一段视频往往包括文字信息、视觉信息和听觉信息等）。近几年，多模态学习的相关工作逐渐增多，国内外研究者也逐步在该领域取得了显著...
基于D-S理论的电子档案信息可信度识别系统
01-12
设计基于D-S理论的电子档案信息可信度识别系统对伪信息识别时，可避免传统系统受到噪声影响而出现识别精准度低问题的出现。依据系统总体结构，使用220 V交流电作为电路电源，在每个设备监控点前端都设置一个供电点，...
基于MATLAB的CO-Kriging,变可信度
08-14
变可信度建模，基于MATAB的co-kriging，包含两个实例，适合入门去钻研
注意力机制在深度学习中的研究进展.pdf
08-19
本文介绍了注意力机制在深度学习中的研究进展，讨论了注意力机制的定义、原理、分类、当前研究现状和应用情况，并进一步探讨了多模态注意力机制、注意力的评价机制、模型的可解释性及注意力与新模型的融合等方面的...
《Rumor Detection By Exploiting User Credibility Information,Attention and Multi-task Learnning 》解读
qq_35213062的博客
02-27 2460
由于本人的文采并不是很好，所以之前一直对写博客有点抵触感。为了表达能力，这次真的拼了。。。。 我是做nlp方向的，目前是研一。最近刚确定了谣言检测这个方向，接下来解读的是我看关于谣言检测的第一篇文章，若有不理解的地方，还请见谅哈。 这是ACL顶会的一篇文章，将多任务学习与注意力机制应用到社交网络中谣言检测。 Rumor Detection By Exploiting User Credibili...
「自然语言处理(NLP)」ACL && 阿里（舆论、立场检测）&& 耶鲁（电子邮件主题生成）
yinizhilianlove的博客
08-24 2066
来源：AINLPer微信公众号 编辑: ShuYini 校稿: ShuYini 时间: 2019-8-24 引言     本次为大家推荐两篇文章，第一篇是阿里巴巴团队提出的用于谣言检测和立场分类的多任务学习方法；第二篇耶鲁大学主要研究了电子邮件主题的生成，提出了一种新的电子邮件主题生成模型。 First Blood TILE: Rumor Detection By Exploiting Use...
【NLP】ACL-2019 录用论文
热门推荐
zkq_1986的博客
09-04 2万+
LONG PAPERS (MAIN CONFERENCE) SphereRE: Distinguishing Lexical Relations with Hyperspherical Relation EmbeddingsChengyu Wang, XIAOFENG HE and Aoying Zhou Learning from Dialogue after Deployment: Fee...
attention 注意力机制的好文章
qq_34438672的博客
10-24 250
转载一篇大牛的文章 ：：：https://zhuanlan.zhihu.com/p/37835894
Java 用户评价可信度计算
weixin_43461894的博客
10-24 1449
Java 用户评价可信度计算 用户评价可信度算法主观评价波动主观评价与客观评价的相似度主观评价与主流评价的相似度 用户评价可信度算法 每个用户在使用完服务后都会给出一个评价，所有用户对该服务的主观评价值聚合成对该服务的主观信誉度评价。显然，并不是所有用户的评价都会是公正、无偏见的，同时由于用户专业背景和服务使用环境的不同，也会导致评价出现不合理的偏差，这就需要对用户评价的可信度进行评估。通常，影响...
CVPR2022 MulT: 端到端的多任务学习transformer
qq_35831906的博客
05-19 4203
CVPR2022 MulT: 端到端的多任务学习transformer，一个端到端的多任务学习transformer框架MulT，该框架可以同时学习对各高级视觉任务，包括深度估计，语义分割，reshading重着色，表面法线估计，2D关键点检测和边缘检测。
谣言检测论文分享（三）
weixin_41964296的博客
03-26 1097
分析表明，如果谣言是假的，人们往往会停止传播(Zubiaga et al.， 2016b)。然而，识别这些虚假信息并非易事，需要新闻调查对可疑声明进行事实核查，这是一项劳动密集型和耗时的工作。社交媒体的泛滥使信息负荷和动态性不断增加，使情况变得更糟。因此，需要开发自动化和辅助的方法以方便实时的谣言追踪和揭穿。为了自动化谣言检测，之前的研究大多集中在基于特征工程的监督模型从序列微博流中进行文本挖掘(Castillo et al.， 2011;Kwon等人，2013;刘等，2015;
人工智能第节不确定可信度(“不确定性”文档)共22张.pptx
11-14
人工智能第节不确定可信度(“不确定性”文档)共22张.pptx

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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