华南理工大学学报(自然科学版)

作者：刘勘 黄哲英

单位：1． 中南财经政法大学 信息与安全工程学院，湖北 武汉 430073; 2． 南开大学 商学院，天津 300071

关键词：新冠疫情,谣言识别,生成模型,文本增强

基金：国家自然科学基金面上项目 ( 71573196) ; 中南财经政法大学中央高校基本科研业务费专项资金资助项目( 2722020JX007)

新冠疫情暴发以来，相关谣言时有传播，但传统的谣言识别模型却难以有效判别疫情谣言，因为相较于大量历史谣言数据，疫情谣言的数量还不足以训练出良好的分类器。因此，建立一个以少量谣言数据为基础的疫情谣言识别模型紧迫且重要。针对训练数据量不足的问题，为了提高疫情谣言鉴别效果，文中提出了一种基于文本增强和生成对抗网络 ( GAN) 的疫情谣言识别方法。首先，分析疫情谣言的文本特征，提取能表征疫情谣言的特征词; 然后，基于 GAN 构建疫情谣言生成模型，将不含疫情谣言特征的历史谣言，利用疫情谣言特征词库进行文本增强，并生成大量含有疫情谣言特征的新谣言数据; 最后，在疫情谣言中补充新生成的谣言数据，从而训练出更准确的疫情谣言分类模型。实验结果表明，使用 GAN 扩充训练集后，识别效果提高了 3 个百分点，明显优于传统机器学习和深度学习算法，为重大突发疫情事件中谣言的识别提供了新的途径。

来源：2021年第1期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2021年第1期