融合用户历史传播信息的微博谣言检测

随着互联网技术的发展，以微博为主的社交媒体平台上网络谣言逐渐泛滥，研究微博谣言的自动检测对维护社会稳定具有重要意义。现今主流的基于深度学习的谣言检测方法普遍存在没有充分考虑微博文本语义信息的问题，同时，过分依赖传播信息的谣言检测方法使得检测时间滞后，不能满足谣言检测的现实需求。针对以上问题，本文提出一种融合用户历史交互信息的微博谣言检测模型，不使用待检测微博的传播信息，构建并训练AbaNet(ALBERT-BiGRU-Attention)深度学习网络模型，充分考虑待检测微博和用户历史传播信息文本的文本特征和语义信息进行谣言检测。实验结果显示，本文模型具有准确率高、稳定性强的特点，并且能够在获得较高检测精度的情况下大大缩短谣言检测的时间。