| 标题 |
 Multimodal Fusion with Recurrent Neural Networks for Rumor Detection on Microblogs 基于递归神经网络的多模态融合微博谣言检测
相关领域
微博
谣言
计算机科学
背景（考古学）
社会化媒体
人工神经网络
可靠性
循环神经网络
人工智能
机器学习
万维网
公共关系
政治学
古生物学
生物
法学
|
| 网址 | |
| DOI | |
| 其它 | 近年来，微博已成为流行的新闻传播媒介。与此同时，无数的谣言和假新闻也在开放的社交媒体平台上绽放和疯狂传播。如果没有验证，它们可能会严重危及微博的可信度。我们观察到，除了文本之外，越来越多的用户还使用图像和视频来发布新闻。推文或微博通常由文本、图像和社交背景组成。在本文中，我们提出了一种具有注意力机制（att-RNN）的新型循环神经网络，以融合多模态特征以实现有效的谣言检测。在这个端到端网络中，图像特征被纳入文本和社会上下文的联合特征中，这些特征是通过LSTM（长短期记忆）网络获得的，以产生可靠的融合分类。当与视觉特征融合时，利用 LSTM 输出的神经注意力。对从微博和推特收集的两个多媒体谣言数据集进行了广泛的实验。结果证明了所提出的端到端att-RNN在检测具有多模态内容的谣言方面的有效性。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
Copyright
无极微光
xjcy
Nexus
yjh123
伶俐妙海
Kao
忧郁翠彤
cdercder
OK
Criminology34
潇洒的惋清
研小白
phdbio
烟消云散
学术文献互助
初景
temp
Moonpie
Avalonx
皖公网安备34019202002308
