TY -的A2阿里阿克巴AU - Wang Wanru AU - Lv, Yuwei)非盟-温,作为非盟——太阳,Xuemei PY - 2022 DA - 2022/10/06 TI -基于知识增强和图关注网络谣言检测SP - 6257658六世- 2022 AB -目前,大多数现有的谣言检测方法关注学习和整合各种特性的检测,但由于语言的复杂性,这些模型通常很少考虑词性之间的关系。第一次,本文综合知识图表和图表注意网络通过关注机制来解决这个问题。一个知识图表可以最有效和直观的表达实体之间的关系,提供问题分析从“关系”的角度。本文使用知识图表加强主题和学习使用self-attention文本特征。此外,本文定义了一个共同依赖的树结构,然后是普通依赖树被重塑,使其生成motif-dependent树。采用图表注意网络收集来自相应的特征表示syntax-dependent树生产。重量参数的注意机制是一个分配机制,可以帮助模型捕捉重要信息。谣言被检测到相应的使用注意机制结合文本表示从self-attention图和图表示从关注网络。最后,许多实验在标准数据集上执行Twitter,这里该模型实现了7.7%的准确率相对于基准模型的改善。SN - 1026 - 0226 UR - https://doi.org/10.1155/2022/6257658 - 10.1155 / 2022/6257658摩根富林明离散动力学自然界和社会中PB - Hindawi KW - ER