《基于向量模型的虚假新闻监测研究》13000字（论文） .pdf

基于向量模型的虚假新闻监测研究

摘要

近年来，互联网和社交媒体平台速发展，信息传递速度大大加快，各种信息铺天

盖地涌向人们，占据着人们的时间。真实的信息接收有助于人们进行判断，虚假的信息

会影响人们的判断。而新闻是公众信息的重要组成部分。如今，社交媒体平台飞速发展

为虚假新闻的传播提供了很好的土壤，新闻的主要来源已经变成了各种各样的社交媒体

平台。虚假新闻的检测可以说是迫在眉睫的。虚假新闻检测的）隹确度和效率是处理过程

中非常关心的问题。同时，在自然语言处理中，虚假新闻检测也是一个非常富有挑战性

的任务。

本文的主要研究内容是基于深度学习的虚假新闻检测模型研究。是基于神经网络的

相关模型和词向量模型相结合来进行文本分类。首先就要采用词向量模型将词表示为向

量，我们分别采用了Word2ver词向量模型和Glove词向量模型。分词工具我们采用了

北京大学的pkusegZMo神经网络模型采用pytorch框架进行构建。本文采用了循环卷

积神经网络（RCNN）,并实现了卷积神经网络模型和循环神经网络模型进行对比，分

析分类的准确率和效率。循环卷积神经网络充分融合了循神经网络和卷积神经网络的优

点，采用双向循环神经网络和最大池化层相结合的方法来获取上下文信息，与普通的卷

积神经网络模型相比，该模型更加能减少信息中的噪声。

将Word2ver模型和Glove模型作为神经网络中的词嵌入层。不同的词向量模型与

不同的神经网络模型搭配使用，得到不同模型搭配使用的结果，分析模型预测结果的）隹

确率和效率。最终的实验表明Glove词向量模型搭配RCNN模型的效果最好，准确率达

到了93.44%,Word2ver词向量模型搭配RNN的效果相比之下效果最差，）隹确率为

9.77%o

关键词：虚假新闻检测，循环卷积神经网络，词向量，深度学习

目录

摘要I

第章绪论3

.课题背景及意义3

.2国内外研究现状3

.3本文主要工作4

.4论文结构安排4

第2章相关技术简介6

2.1神经网络6

2..神经网络基础6

2..2卷积神经网络6

2..3循环神经网络7

2.2词向量模型8

2.2.Word2ver模型8

2.2.2Glove模型0

第3章循环卷积神经网络2

3.长短期记忆神经网络2

3.2RNN与CNN的优缺点分析3

3.3循环卷积神经网络模型3

第4章数据）隹备及实验6

4.实验环境6

4.2数据准备及处理6

4.3模型构建7

4.3.权重初始化7

4.3.2Word2ver和Glove词向量模型训练8

4.3.3CNN模型实现8

4.3.4RNN模型实现9

4.3.5RCNN模型实现9

4.4实验结果及分析对比20

结论23

参考文献24

II

第章绪论

.课题背景及意义

在当今时代，互联网技术蓬勃发展，网络已经渗透到了人们的各种各样的生活和娱

乐活动之中，据202年发布的《中国互联网络发展状况统计报告》⑴中显示，截至到

2020年2月份，我国网民的规模达到了9.89亿，互联网普及率达70.4%。这些不断攀

升的数字代表着越来越多的人通过网络获取信息，信息的增长速度越来越快，各种信息

不论真假，不断涌入人们的脑海，使人们难以辨别信息的真假，误导网络中的其他用户,

有可能造成不可预期的后果。

新闻是社会大众获取必威体育精装版信息的途径之一，新闻的生命是真实性。而虚假新闻是含

有虚假成分的新闻，它具有不客观性和虚假性。虚假新闻的传播影响了人们的正常生活