- 中国核心期刊（遴选）数据库收录期刊
- 中文科技期刊数据库收录期刊
- 中国学术期刊（光盘版）收录期刊
- 中国人民大学报刊资料数据库收录期刊
- 中国学术期刊综合评价数据库统计源期刊
- 中国台湾华艺数据库收录期刊
摘要：
［目的／意义］为了解决因微博文本多义性和复杂性导致的谣言检测中语义特征提取不全面的问题，提出了一种结合微博内外多粒度语义的BiLSTM-CNN-ECA模型。［方法／过程］首先，对微博文本从字词句三个粒度级别建模，运用双向长短期记忆网络提取微博内部语义特征，生成事件字向量矩阵和事件词向量矩阵；然后，拼接事件句向量矩阵形成三维文本特征矩阵，输入多尺度卷积神经网络，并行提取微博之间的依赖关系特征；最后，引入高效通道注意力模块赋予通道权重，进行微博谣言检测。［结果／结论］构建的三维文本特征矩阵有机结合了各粒度文本的语义特征贡献，包含更多、更全面的微博语义信息；ECA可有效捕获通道间重要信息，进一步提高了多尺度CNN模型对谣言检测的准确率。
